當今社會，人臉識別系統已經是遍地可見。不論是進出辦公樓的門禁，還是乘坐地鐵時可以刷臉乘坐。人臉識別系統大大的提高了通行的效率，是壹項很先進的技術。公眾壹直以來好奇人臉識別系統的工作原理，認為這是壹項黑科技。但其實認真說起來，他也只是數學運算的概率問題。人臉識別系統的工作原理主要有以下這幾部分組成。
壹、深度學習模型。
人臉識別系統當中的核心和靈魂部分就是深度學習的神經網絡模型。所謂神經網絡模型其實就是壹個運算器，在這個運算器當中，我們可以把它看作壹個黑盒子，其中存儲著很多的參數，這些參數是可以自動調整的。這個學習模型主要用來進行訓練，訓練的目的就是能夠達到壹個人的兩張照片輸入之後，它的輸出結果概率無限接近1。
二、模型訓練過程。
對學習模型進行訓練，是讓他能夠記住人臉的特征。通常的做法是采用大量的人臉數據，把這些已經標註好的數據放到這個模型當中，然後告訴它哪壹個人的照片跟另外壹張是同壹個人，通過不斷的訓練他就記住了人的特征。表現出來的就是學習模型當中的參數，最後固定好。當我們拿兩張沒有經過訓練的圖片輸進去的時候，它也能夠算出兩張圖片是壹個人的概率。
三、自更新系統。
在人臉識別系統當中還有壹個重要的部分，就是他能夠自我更新自我學習，當他第1次判斷出兩張照片是同壹個人之後，他會把這兩張照片作為他的訓練集更新自身模型當中的參數，這樣它就相當於記住了這個人。以後這個人再來的話很快就判別出來。
人臉識別系統是近些年來深度學習和計算機科學發展的集大成者，其原理很復雜。