人类只需要很短的时间，就可以记住一个人的样子，并在下次遇到他（她）的时候说出这个人的名字。但是对计算机来说，像人类一样识别人脸是很困难的任务。在深度学习之前，有很多技术尝试让计算机实现“识别”人脸的功能，但是效果都差强人意。现在在深度学习的支持下，人脸识别取得了巨大的成功，已经广泛应用于各类场景。例如，在金融支付领域，已经在越来越多地使用人脸识别技术，误差达到了亿分之一的水平。
那么人脸识别是如何做到的呢？人类是通过提取不同的个体所对应的人脸的特征后，根据这些特征进行识别。特征是学习过程中的重要概念，是一个对象区别于其他对象的地方，任何“识别”都需要通过找到这些“特征”才能完成。
例如，对于汽车来说，车标就是最好的特征之一，通过车标可以快速识别出它是什么品牌。进一步，如果想获得车辆的具体型号，就需要更深层的特征，例如：
①车的形状；
②车的发动机和排量；
③车的其他参数等。
一般地，用来进行识别的特征需要满足下述特点。
①能够区分不同的对象；
②容易提取；
③容易比对。
例如，区分不同的人，一个常用的方法是识别他们的指纹特征。指纹特征包括分叉数量、分叉点、指纹形状等，这些特征，用指纹采集器瞬间就可以确定。指纹能够区分不同的人，同时在采集器地支持下容易提取也容易比对。也就是说，指纹是满足上述特点的“特征”。
在人脸识别这样的任务中，人脸的特征是什么？有些非常简单的特征，例如：
①眼睛数量：2；
②鼻子数量：1；
③眼睛连线与鼻子中线垂直。
但绝大多数人的这些特征是相同的，所以此类特征并不足以区分两个人。如何挖掘更深层次的人脸特征呢？在使用深度学习之前，直方图以及基于直方图的特征使用得较为广泛，而且基于直方图的识别方法现在仍然在行业中使用。下面给出直方图的定义和说明。