人臉識別核心算法包括檢測定位、建模、紋理變換、表情變換、模型統計訓練、識別匹配等關鍵步驟，其中最關鍵的技術包括兩部分：人臉檢測(Face Detect)和人臉識別(Face Identification)。主流的人臉識別技術基本上可以歸結為三類，即：基于幾何特征的方法、基于模板的方法和基于模型的方法。

　　1、基于(yu)幾何特征的方法(fa)

　　幾何(he)特征最早是(shi)用(yong)于人臉(lian)側(ce)面(mian)(mian)輪廓的(de)描述與識別(bie)(bie)，首先(xian)根據側(ce)面(mian)(mian)輪廓曲線確(que)定若干(gan)顯著點，并(bing)由這(zhe)(zhe)些顯著點導(dao)出(chu)一組用(yong)于識別(bie)(bie)的(de)特征度(du)量如距(ju)離、角度(du)等(deng)。臉(lian)部(bu)(bu)由眼睛、鼻子、嘴(zui)、下巴等(deng)部(bu)(bu)件構(gou)成，這(zhe)(zhe)些部(bu)(bu)件的(de)形狀、大小和(he)構(gou)造的(de)差異在世界各個(ge)臉(lian)部(bu)(bu)是(shi)千差萬別(bie)(bie)的(de)，因此這(zhe)(zhe)些部(bu)(bu)件的(de)形狀和(he)構(gou)造關(guan)系的(de)幾何(he)學記述可(ke)以作為臉(lian)部(bu)(bu)識別(bie)(bie)的(de)重要特征。
 

　　2、局部特征(zheng)分析方法(fa)

　　局部特(te)征分析方法是一種基于(yu)特(te)征表示(shi)的(de)(de)人臉識別(bie)技術，源于(yu)制作積木的(de)(de)與局部統計相(xiang)似的(de)(de)原理。LFA 基于(yu)所(suo)有的(de)(de)面像(xiang)(包(bao)括各(ge)種復雜的(de)(de)式(shi)樣)都(dou)可以(yi)從由很多不能再簡化的(de)(de)結構單元子集綜合而成。

　　這(zhe)些(xie)單元(yuan)使用復(fu)雜的統計(ji)技術而形成，它們代(dai)表了(le)整個面(mian)(mian)像(xiang)，通(tong)常跨(kua)越(yue)多個像(xiang)素(在局部區域(yu)內)并(bing)代(dai)表了(le)普遍的面(mian)(mian)部形狀，但并(bing)不是通(tong)常意義上(shang)的面(mian)(mian)部特(te)征。實際上(shang)，面(mian)(mian)部結構單元(yuan)比面(mian)(mian)像(xiang)的部位要多得多。 然而，要綜合(he)形成一張精確逼真的面(mian)(mian)像(xiang)， 只需(xu)要整個可(ke)用集(ji)合(he)中(zhong)很少的單元(yuan)子集(ji)(12～ 40 特(te)征單元(yuan))。

　　要確(que)定(ding)身份不僅僅取決于特(te)性單元，還決定(ding)于它(ta)們的幾何結構(比如它(ta)們的相關位置)。通過這種方式，LFA 將個人的特(te)性對應成(cheng)一種復(fu)雜的數字表達(da)方式，可以進行(xing)對比和(he)識(shi)別。

　　“面紋”編(bian)碼方(fang)式是根據臉部(bu)的(de)本質特(te)征和(he)形(xing)狀來工作的(de)，它(ta)可(ke)以(yi)抵抗光 線、皮膚色調、面部(bu)毛發、發型、眼鏡、表情(qing)和(he)姿態的(de)變化，具有強大的(de)可(ke)靠(kao)性，以(yi)從(cong)百萬人中(zhong)精確地辨認出一個人。
 

　　3、特(te)征臉方法(Eigenface或(huo)PCA)

　　從統計(ji)的觀點，尋(xun)找人(ren)臉(lian)圖(tu)像分布的基本元素，即人(ren)臉(lian)圖(tu)像樣本集(ji)協方(fang)差矩陣的特征(zheng)向(xiang)量(liang)，以此(ci)近似地(di)表(biao)征(zheng)人(ren)臉(lian)圖(tu)像。這些特征(zheng)向(xiang)量(liang)稱為特征(zheng)臉(lian)(Eigenface)。

　　該(gai)方法是先確定眼虹膜、鼻翼(yi)、嘴角等面(mian)像五官輪廓的大小(xiao)、位置、距離等屬性，然后再計算出它們的幾何特(te)(te)(te)征(zheng)(zheng)量，而這(zhe)些特(te)(te)(te)征(zheng)(zheng)量形成(cheng)一描述該(gai)面(mian)像的特(te)(te)(te)征(zheng)(zheng)向量。其(qi)技術的核心實際為(wei)“局部(bu)人體特(te)(te)(te)征(zheng)(zheng)分(fen)析”和(he)“圖形/神經(jing)識別算法。

　　4、基于彈性模型的方法

　　彈性(xing)圖匹配技(ji)術是一種基于幾(ji)何(he)特征(zheng)和(he)對(dui)灰度(du)分布(bu)信息進行(xing)小波紋理分析相結(jie)合的(de)識別(bie)算(suan)法，較(jiao)好的(de)利用了(le)人臉(lian)的(de)結(jie)構和(he)灰度(du)分布(bu)信息，而且(qie)還(huan)具有自(zi)動精(jing)確定位面(mian)部特征(zheng)點的(de)功能(neng)，因(yin)而具有良(liang)好的(de)識別(bie)效果，適應性(xing)強(qiang)識別(bie)率(lv)較(jiao)高(gao)，該技(ji)術在FERET測試中(zhong)若(ruo)干指(zhi)標名(ming)列(lie)前茅，其缺點是時間復(fu)雜度(du)高(gao)，速度(du)較(jiao)慢，實現(xian)復(fu)雜。
 

　　5、神經(jing)網絡方法(Neural Networks)

　　神經網絡方法(fa)在人(ren)臉(lian)識別上的(de)應用比(bi)起前述幾(ji)類方法(fa)來有一定的(de)優勢，因(yin)為對(dui)(dui)人(ren)臉(lian)識別的(de)許多(duo)規(gui)律(lv)或規(gui)則(ze)進行顯性(xing)(xing)的(de)描述是相當(dang)困難的(de)，而(er)神經網絡方法(fa)則(ze)可以通(tong)過學(xue)習的(de)過程獲得對(dui)(dui)這些規(gui)律(lv)和規(gui)則(ze)的(de)隱性(xing)(xing)表達，它的(de)適應性(xing)(xing)更強(qiang)，一般(ban)也比(bi)較(jiao)容(rong)易實(shi)現。

　　因此(ci)(ci)人工(gong)神(shen)經(jing)網(wang)絡(luo)識(shi)(shi)別(bie)速度(du)快，但識(shi)(shi)別(bie)率(lv)低 。而神(shen)經(jing)網(wang)絡(luo)方法通常(chang)需要將(jiang)人臉(lian)作(zuo)為一個(ge)一維向量輸入(ru)，因此(ci)(ci)輸入(ru)節點龐大，其識(shi)(shi)別(bie)重要的一個(ge)目標就是降維處理。

　　6、其他(ta)方(fang)法

　　除了以上幾種方法(fa)，人臉識別還有其它若(ruo)干思(si)路(lu)和方法(fa)，包括一下一些(xie)：

　　(1)隱馬爾可夫模型方(fang)法(Hidden Markov Model)

　　(2)Gabor 小波(bo)變換(huan)+圖形匹配

　　(3)人臉(lian)等密度線分析匹配方法