人類隻需要很短的時間，就可以記住一個人的樣子，並在下次遇到他（她）的時候說出這個人的名字。但是對計算機來說，像人類一樣識別人臉是很困難的任務。在深度學習之前，有很多技術嚐試讓計算機實現“識別”人臉的功能，但是效果都差強人意。現在在深度學習的支持下，人臉識別取得了巨大的成功，已經廣泛應用於各類場景。例如，在金融支付領域，已經在越來越多地使用人臉識別技術，誤差達到了億分之一的水平。
那麽人臉識別是如何做到的呢？人類是通過提取不同的個體所對應的人臉的特征後，根據這些特征進行識別。特征是學習過程中的重要概念，是一個對象區別於其他對象的地方，任何“識別”都需要通過找到這些“特征”才能完成。
例如，對於汽車來說，車標就是最好的特征之一，通過車標可以快速識別出它是什麽品牌。進一步，如果想獲得車輛的具體型號，就需要更深層的特征，例如：
①車的形狀；
②車的發動機和排量；
③車的其他參數等。
一般地，用來進行識別的特征需要滿足下述特點。
①能夠區分不同的對象；
②容易提取；
③容易比對。
例如，區分不同的人，一個常用的方法是識別他們的指紋特征。指紋特征包括分叉數量、分叉點、指紋形狀等，這些特征，用指紋采集器瞬間就可以確定。指紋能夠區分不同的人，同時在采集器地支持下容易提取也容易比對。也就是說，指紋是滿足上述特點的“特征”。
在人臉識別這樣的任務中，人臉的特征是什麽？有些非常簡單的特征，例如：
①眼睛數量：2；
②鼻子數量：1；
③眼睛連線與鼻子中線垂直。
但絕大多數人的這些特征是相同的，所以此類特征並不足以區分兩個人。如何挖掘更深層次的人臉特征呢？在使用深度學習之前，直方圖以及基於直方圖的特征使用得較為廣泛，而且基於直方圖的識別方法現在仍然在行業中使用。下麵給出直方圖的定義和說明。