現(xiàn)階段比較受歡迎的圖像識別基礎算法為深度學習法，深度學習模型屬于神經網絡，而神經網絡的歷史可追溯至上世紀四十年代，曾經在八九十年代流行。神經網絡試圖通過模擬大腦認知的激勵，解決各種機器學習的問題。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練神經網絡，直到今天仍被廣泛應用。

但是后來由于種種原因，大多數(shù)學者在相當長的一段時間內放棄了神經網絡，轉而采用諸如支持向量機、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網絡模擬，因此被稱作淺層機器學習模型。它們不再模擬大腦的認知機理；相反，針對不同的任務設計不同的系統(tǒng)，并采用不同的手工設計的特征，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。

深度學習在計算機視覺領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習贏得了ImageNet圖像分類的比賽。ImageNet是當今計算機視覺領域最具影響力的比賽之一，它的訓練和測試樣本都來自于互聯(lián)網圖片，訓練樣本超過百萬，任務是將測試樣本分成1000類。自2009年，包括工業(yè)界在內的很多計算機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習的方法，且準確率超出第二名10%以上。這個結果在計算機視覺領域產生了極大的震動，掀起了深度學習的熱潮。

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

目前，深度學習算法的訓練數(shù)據普遍都是幾十萬、上百萬級，像一些互聯(lián)網行業(yè)的IT巨頭們，他們的訓練數(shù)據會是上千萬、甚至上億級別，這也是國外如Google、Facebook、Microsoft等，國內如百度、騰訊等IT巨頭在深度學習算法的應用效果上有著一定優(yōu)勢的原因。但IT企業(yè)與安防企業(yè)所用的訓練數(shù)據不同，IT巨頭擁有的是互聯(lián)網，安防企業(yè)擁有的則是安防大數(shù)據。二者圖像識別技術的關注點也有不同，IT巨頭的人臉識別技術是服務于他們的商業(yè)目標，比如圖像檢索、身份認證、無人駕駛等，而安防企業(yè)主要關注的是人臉識別技術在公共安全領域的應用。