人脸识别系统的研究始于20世纪60年代。80年代以后，随着计算机技术和光学成像技术的发展，90年代初期真正的应用阶段是在90年代后期；近年来人工智能技术不断进步，人脸识别技术发展迅速。“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术。它是一门综合性比较强的系统工程技术。
人脸识别过程：
人脸识别系统通常包括几个过程：人脸图像采集和检测、关键点提取、人脸正则化(图像处理)、人脸特征提取和人脸识别比对。
人脸图像集。异脸缘图像可以通过摄像机镜头采集，如静态图像、动态图像、不同位置、不同表情等。可以很好的收藏。当用户采集设备的拍摄范围时，采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测。人脸检测主要用于人脸识别的预处理，即精确标定人脸在图像中的位置和大小。
关键点提取(特征提取)。人脸识别系统可用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征和人脸图像代数特征。人脸特征提取是基于人脸的某些特征。人脸特征提取，也称为人脸标志，是对人脸进行特征建模的过程。人脸特征的提取方法归纳为两类：一类是基于知识的表示方法；另一种是基于代数特征或统计学习的表示方法。
面是规则的(预处理)。人脸图像预处理是基于人脸检测结果，对图像进行处理，*终服务于特征提取过程。由于各种条件和随机干扰，系统获得的原始图像往往不能直接使用。它们必须直接用于图像处理的早期阶段。对于人脸图像，其预处理过程主要包括光线补偿、灰度变换、直方图均衡化、成分、几何校正、滤波和锐化对灰度的处理。
人脸识别比对(匹配和识别)。搜索提取的人脸图像的特征数据，并将其与存储在数据库中的特征模板进行匹配。通过设置阈值，当相似度超过这个阈值时，输出匹配结果。人脸识别是将待识别人的人脸特征与已经获得的人脸特征模板进行比较，根据相似程度判断人脸的身份信息。可以分为1: 1，1: n，属性识别。其中1: 1是比较两张人脸对应的特征值向量，1: N是比较1张人脸照片的特征值向量和另一张人脸对应的特征值向量。度或相似度*高的人脸排在前面。人脸特征分析算法
人脸识别技术广泛应用于区域特征分析算法中。它融合了计算机图像处理技术和生物统计学原理。利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学原理分析建立数学模型，即人脸特征模板。使用完成的人的面部特征和主体的面部的面部特征模板来执行特征分析，并且基于分析的结果给出相似值。通过这个值，可以确定是不是同一个人。
人脸识别有很多种识别方式。主要的人脸识别方法有：
(1)几何特征人脸识别方法：几何特征可以是眼睛、鼻子、嘴巴等的形状。以及它们之间的几何关系(比如彼此之间的距离)。这些算法识别速度快，内存小，但识别率低。
(2)基于特征脸(PCA)的人脸识别方法：特征脸方法是一种基于KL变换的人脸识别方法。KL变换是图像压缩的*佳正交变换。KL变换经KL变换后，得到一组新的正交群，保留了重要的正交群。这些基地可以开放到低维线性空间。如果人脸在这些低维线性空间中的投影被分割，这些投影可以被用作身份识别的特征向量。这是特征脸方法的基本思想。这些方法需要更多的训练样本，而且完全是基于图像灰度的统计。目前有一些改进的功能。
