主题：【原创】抛砖！模式识别和机器学习、数据挖掘的区别与联系 -- 永远的幻想

人脸探测被Viola Jones一统江湖了，日本人凭着优良的工业直觉很快就做到数字相机上去了。但是现在在自然条件下的探测率也只有60%左右。

人脸识别的主要思路是把人脸探测出来，对齐，然后提取特征比较。用手工提取人脸（有现成的数据库）然后识别的文章一大把。但是其中的一个关键问题是人脸是否对齐对不同方法的影响不一样：把人脸作为整体提取特征的方法对对齐的要求非常高，而基于patch的方法要robost得多。另一个关键问题是光照的问题。

几年前机器人脸识别的准确度号称比人类识别的准确度要高。但是第一，一对一单挑，机器比人仍然差得远。第二，在自然环境下的人脸识别，仍然没法用。

现在的人脸识别思路一定有很大的问题。我觉得第一是分辨率低了，第二是视频信息的使用还没有被好好开发。我的根据是人在仔细识别一张活人的脸的时候，其实是在处理高分辨率的视频图像。而现在的大多数系统是处理的中低分辨率的单幅图像。我觉得这个会是人脸识别的下一步发展方向。

生物特征识别工业的趋势是把指纹，虹膜和人脸结合起来。

另外这个生物特征识别跟课本里的模式识别不是太一样：严格来说，这个不是识别，而是比较（match）。