图像和视频处理、深度学习及智能感知设备在当今的智能社会中扮演着核心角色。在智能识别、商品自动分类、无人驾驶汽车、语音识别、刷脸支付、行为识别等应用/研究课题中，图像和视频处理、深度学习技术是需要解决的关键问题。最近几年，很多公司都在预研发以人为中心的视频分析系统。例如，一些公司正在研发针对大型商场的顾客识别与行为分析系统，通过识别、关联某个顾客的购买记录，并通过视频分析识别顾客光临商场的频度、其本次关注商品的种类（如上衣、裤子或皮鞋、运动鞋），可以帮助各专卖店及时识别、抓住重点客户，以增加销售额。人脸识别的另一个重要应用是刷脸支付。上述的两种应用中，都需要高准确度地识别人脸。近年来，人脸识别（主要是正脸识别）技术越来越成熟，已经从学术界应用到工业界，与人们的日常生活也越来越紧密。但由于人群、场景、姿态、光照等各种条件的影响，人脸识别仍然需要更多、更全面、更深入的研究。目前的人脸识别产品，如刷脸考勤机、刷脸验票，都要求采集正脸照片。事实上，基本上所有人脸识别的商业应用，都要求输入正脸照片。而对于侧脸、多角度人脸的识别，学术上也有了一定的研究，但商业化的产品还很少。总之，人脸识别仍然是一个尚未解决的、有挑战的，需要全面、深入研究的课题。本章将详细介绍5种人脸识别相关技术。其中6.1节和6.2节讲述最新的、基于深度学习的人脸识别技术，6.3节介绍OpenCV中实现的3种传统的人脸识别技术，6.4节对5种人脸识别技术进行实验对比分析。