第壹，深度學習模型。
人臉識別系統的核心和靈魂部分是深度學習的神經網絡模型。所謂的神經網絡模型，其實就是壹個運算單元。在這個運算器中，我們可以把它看成壹個黑匣子，裏面存儲了很多參數，這些參數可以自動調整。這種學習模式主要用於培訓。訓練的目的是實現在輸入壹個人的兩張照片後，其輸出結果的概率無限接近1。
二、模特培訓流程。
訓練學習模型是為了讓他記住人臉的特征。通常的做法是使用大量的人臉數據，把這些標記的數據放入這個模型，然後告訴它哪個人的照片和另壹個人的是壹樣的。通過不斷的訓練，他記住了人的特點。顯示的是學習模型中的參數，這些參數最終是固定的。當我們輸入兩張未經訓練的圖片時，它也能計算出兩張圖片是壹個人的概率。
第三，自我更新系統。
人臉識別系統還有壹個重要的部分就是他可以自我更新，自我學習。當他第1次判斷兩張照片是同壹個人時，他會把這兩張照片作為他的訓練集，更新他的模型中的參數，這樣就相當於記住了這個人。如果這個人以後再來，很快就會被審判。
人臉識別系統是近年來深度學習和計算機科學發展的縮影，其原理非常復雜。