面部識(shí)別技術(shù)基于人的面部特征，并且首先判斷輸入的面部圖像或視頻流是否存在面部。 如果有一張臉，則進(jìn)一步給出每個(gè)臉的位置，大小和要點(diǎn)。 面部器官的位置信息。 并根據(jù)此信息進(jìn)一步提取每個(gè)將個(gè)人面部中包含的身份特征與已知面部進(jìn)行比較，以識(shí)別每個(gè)面部的身份。

  人臉識(shí)別方法很多，主要的人臉識(shí)別方法有：

  （1）基于幾何特征的面部識(shí)別方法：幾何特征可以是眼睛，鼻子，嘴等的形狀以及它們之間的幾何關(guān)系（例如它們之間的距離）。 這些算法具有很快的識(shí)別速度并且需要小的存儲(chǔ)器，但是識(shí)別率很低。

  （2）基于特征臉（PCA）的人臉識(shí)別方法：特征臉法是基于KL變換的人臉識(shí)別方法，KL變換是用于圖像壓縮的最優(yōu)正交變換。 通過KL變換高維圖像空間后，獲得了一組新的正交基，并保留了重要的正交基。 這些基礎(chǔ)可以擴(kuò)展為低維線性空間。 如果假定人臉在這些低維線性空間中的投影是可分離的，則這些投影可用作識(shí)別的特征向量。 這是特征臉方法的基本思想。 這些方法需要更多的訓(xùn)練樣本，并且完全基于圖像灰度的統(tǒng)計(jì)特性。 當(dāng)前有一些改進(jìn)的特征臉方法。

  （3）神經(jīng)網(wǎng)絡(luò)人臉識(shí)別方法：神經(jīng)網(wǎng)絡(luò)的輸入可以是分辨率降低的人臉圖像，局部區(qū)域的自相關(guān)函數(shù)，局部紋理的二階矩等。這種類型的方法還需要更多的樣本用于 訓(xùn)練，并且在許多應(yīng)用中，樣本數(shù)量非常有限。

  （4）彈性圖匹配的人臉識(shí)別方法：彈性圖匹配方法定義了二維空間中法向人臉變形不變的距離，并使用屬性拓?fù)鋱D表示人臉。 拓?fù)鋱D的任何頂點(diǎn)都包含一個(gè)特征向量，該特征向量用于記錄頂點(diǎn)附近的人臉信息。 該方法結(jié)合了灰度特性和幾何因素，在比較過程中允許圖像發(fā)生彈性變形，在克服面部表情變化對識(shí)別的影響方面取得了良好的效果。 同時(shí)，一個(gè)人不再需要多個(gè)樣本訓(xùn)練。