人臉識別技術是指計算機從圖片或者視頻流中檢測出人臉的一項技術，一個理想的人臉檢測系統應該能夠排除位置，光線，方向等影響，在圖片或者視頻中準確的檢測并且定位出人臉，由于人類面孔的復雜性，以及圖片，視頻拍攝環境的多樣性，在計算機領域，人臉識別技術成為了一個非常具有挑戰性的課題。
目前在國內和國外研究
人臉識別技術的方法有很多，常用的方法有：基于幾何特征的人臉識別方法、基于代數特征的人臉識別方法、基于連接機制的人臉識別方法以及基于三維數據的人臉識別方法。下面我嗎就來介紹下基于幾何特征的人臉識別方法。
基于幾何特征的方法是一種自下而上的人臉檢測方法，由于人眼可以將人臉在不此研究人員認為有一個潛在的假設：人臉或人臉的部件可能具有在各種條件下都不會改變的特征或屬性，如形狀、膚色、紋理、邊緣信息等?；谔卣鞯姆椒ǖ哪繕司褪菍ふ疑鲜鲞@些不變特征，并利用這些特征來定位入臉。這類方法在特定的環境下非常有效且檢測速度較高，對人臉姿態、表情、旋轉都不敏感。但是由于人臉部件的提取通常都借助于邊緣算子，因此，這類方法對圖像質量要求較高，對光照和背景等有較高的要求，因為光照、噪音、陰影都極有可能破壞人臉部件的邊緣，從而影響算法的有效性。模板匹配算法首先需要人TN作標準模板(固定模板)或將模板先行參數化(可變模板)，然后在檢測人臉時，計算輸入圖像與模板之間的相關值，這個相關值通常都是獨立計算臉部輪廓、眼睛、鼻子和嘴各自的匹配程度后得出的綜合描述，zui后再根據相關值和預先設定的閾值來確定圖像中是否存在人臉?；诳勺兡０宓娜四槞z測算法比固定模板算法檢測效果要好很多，但是它仍不能有效地處理人臉尺度、姿態和形狀等方面的變化?；谕庥^形狀的方法并不對輸入圖像進行復雜的預處理，也不需要人工的對人臉特征進行分析或是抽取模板，而是通過使用特定的方法(如主成分分析方法(PCA)、支持向量機(SVM)、神經網絡方法(ANN)等)對大量的人臉和非人臉樣本組成的訓練集(一般為了保證訓練得到的檢測器精度，非人臉樣本集的容量要為人臉樣本集的兩倍以上)進行學習，再將學習而成的模板或者說分類器用于人臉檢測。因此，這也是j種自下而上的方法。這種方法的優點是利用強大的機器學習算法快速穩定地實現了很好的檢測結果，并且該方法在復雜背景下，多姿態的人臉圖像中也能得到有效的檢測結果。但是這種方法通常需要遍歷整個圖片才能得到檢測結果，并且在訓練過程中需要大量的人臉與非人臉樣本，以及較長的訓練時間。近幾年來，針對該方法的人臉檢測研究相對比較活躍。
人臉識別技術是一種重要的生物特征識別技術，應用非常廣泛。與其它身份識別方法相比，人臉識別具有直接、友好和方便等特點，因而，人臉識別技術問題的研究不僅有重要的應用價值，而且在模式識別中具有重要的理論意義，目前人臉識別技術已成為當前模式識別和人工智能領域的研究熱點。
