現(xiàn)階段比較受歡迎的圖像識別基礎(chǔ)算法為深度學(xué)習(xí)法，深度學(xué)習(xí)模型屬于神經(jīng)網(wǎng)絡(luò)，而神經(jīng)網(wǎng)絡(luò)的歷史可追溯至上世紀(jì)四十年代，曾經(jīng)在八九十年代流行。神經(jīng)網(wǎng)絡(luò)試圖通過模擬大腦認(rèn)知的激勵，解決各種機(jī)器學(xué)習(xí)的問題。1986年Rumelhart、Hinton和Williams在《自然》發(fā)表了著名的反向傳播算法用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，直到今天仍被廣泛應(yīng)用。

但是后來由于種種原因，大多數(shù)學(xué)者在相當(dāng)長的一段時間內(nèi)放棄了神經(jīng)網(wǎng)絡(luò)，轉(zhuǎn)而采用諸如支持向量機(jī)、Boosting、最近鄰等分類器。這些分類器可以用具有一個或兩個隱含層的神經(jīng)網(wǎng)絡(luò)模擬，因此被稱作淺層機(jī)器學(xué)習(xí)模型。它們不再模擬大腦的認(rèn)知機(jī)理；相反，針對不同的任務(wù)設(shè)計不同的系統(tǒng)，并采用不同的手工設(shè)計的特征，例如語音識別采用高斯混合模型和隱馬爾可夫模型，物體識別采用SIFT特征，人臉識別采用LBP特征，行人檢測采用HOG特征。

深度學(xué)習(xí)在計算機(jī)視覺領(lǐng)域最具影響力的突破發(fā)生在2012年，Hinton的研究小組采用深度學(xué)習(xí)贏得了ImageNet圖像分類的比賽。ImageNet是當(dāng)今計算機(jī)視覺領(lǐng)域最具影響力的比賽之一，它的訓(xùn)練和測試樣本都來自于互聯(lián)網(wǎng)圖片，訓(xùn)練樣本超過百萬，任務(wù)是將測試樣本分成1000類。自2009年，包括工業(yè)界在內(nèi)的很多計算機(jī)視覺小組都參加了每年一度的比賽，各個小組的方法逐漸趨同；2012年，排名2到4位的小組都采用的傳統(tǒng)模擬識別方法，他們準(zhǔn)確率的差別不超過1%，而首次參賽的Hinton研究小組采用的是深度學(xué)習(xí)的方法，且準(zhǔn)確率超出第二名10%以上。這個結(jié)果在計算機(jī)視覺領(lǐng)域產(chǎn)生了極大的震動，掀起了深度學(xué)習(xí)的熱潮。

與傳統(tǒng)模式識別相比，深度學(xué)習(xí)最大的不同在于它是從大數(shù)據(jù)中自動學(xué)習(xí)特征，而非采用手工設(shè)計的特征模型。在過去幾十年模式識別的各種應(yīng)用中，手工設(shè)計的特征處于統(tǒng)治地位，它主要依靠設(shè)計者的經(jīng)驗知識，很難利用大數(shù)據(jù)的優(yōu)勢；由于依賴手工調(diào)整參數(shù)，特征的設(shè)計中只允許出現(xiàn)少量參數(shù)。深度學(xué)習(xí)的優(yōu)勢則顯而易見——大數(shù)據(jù)中可以包含成千上萬的參數(shù)，用來訓(xùn)練深度學(xué)習(xí)的數(shù)據(jù)越多，深度學(xué)習(xí)算法的魯棒性、泛化能力就越強(qiáng)。

目前，深度學(xué)習(xí)算法的訓(xùn)練數(shù)據(jù)普遍都是幾十萬、上百萬級，像一些互聯(lián)網(wǎng)行業(yè)的IT巨頭們，他們的訓(xùn)練數(shù)據(jù)會是上千萬、甚至上億級別，這也是國外如Google、Facebook、Microsoft等，國內(nèi)如百度、騰訊等IT巨頭在深度學(xué)習(xí)算法的應(yīng)用效果上有著一定優(yōu)勢的原因。但I(xiàn)T企業(yè)與安防企業(yè)所用的訓(xùn)練數(shù)據(jù)不同，IT巨頭擁有的是互聯(lián)網(wǎng)，安防企業(yè)擁有的則是安防大數(shù)據(jù)。二者圖像識別技術(shù)的關(guān)注點(diǎn)也有不同，IT巨頭的人臉識別技術(shù)是服務(wù)于他們的商業(yè)目標(biāo)，比如圖像檢索、身份認(rèn)證、無人駕駛等，而安防企業(yè)主要關(guān)注的是人臉識別技術(shù)在公共安全領(lǐng)域的應(yīng)用。