支付宝早就开通，人脸识别支付了，未来可能会在很多方面都会用到人脸识别。
超市的储物柜，家庭大门，快捷支付，考勤，手机开机。
公共场合的人脸识别记录对比，高铁站 汽车站 火车站 机场 ，更快捷的识别犯罪分子，提高抓捕效率，增强安全性。
未来的生活里，会更多 更大范围的使用到人脸识别系统。
用通俗的话总的来说，就是利用大数据抽取规律，再利用规律去预测（回归）、分类、聚类未知的输入，得到输出（结果）。
单说图片识别：
这里面的大数据就是已知的输入（图片）和已知的结果（图片的标签），抽取规律也就是相应的算法（卷及神经网络），预测、分类、聚类就是得到图片的结果（图片识别）。
可以分为以下几步：
数据的预处理。
图片是由一个一个的像素组成的，就拿入门的案例说吧，MNIST数据集，是一个手写数字的数据集，每一张图片都是由28×28个像素点形成的。
卷积（特征提取）的具体计算方法：
其中input为输入，filter叫做卷积核（暂且理解为滤波器），output叫做特征图，特征图的个数和filter的个数是相同的（filter W0、filter W1）。既然是矩阵，那么可以设中间的参数是W，于是就有Wx+b = output。这里的W是我们最终要训练出来的。
温馨提示：答案为网友推荐，仅供参考