人臉識別技術包括三個部分:
(1)人臉檢測
人臉檢測是指判斷在動態場景和復雜背景中是否存在人臉圖像，並把這個人臉圖像分離出來。壹般有以下幾種方法:
①參考模板法
首先設計壹個或幾個標準人臉模板，然後計算測試采集的樣本與標準模板的匹配度，通過閾值判斷是否存在人臉；
②人臉規則法
由於人臉具有壹定的結構分布特征，所以所謂的人臉規則法就是提取這些特征，生成相應的規則來判斷測試樣本是否包含人臉；
③樣本學習法
該方法采用模式識別中人工神經網絡的方法，即通過學習表面圖像樣本集和非表面圖像樣本集生成分類器；
④膚色模型法
這種方法是基於人臉和膚色在顏色空間中相對集中的分布來檢測的。
⑤特征子面法
該方法將所有人臉圖像集視為壹個人臉圖像子空間，根據檢測樣本與其在子孔洞間投影的距離來判斷是否存在人臉圖像。
值得壹提的是，上述五種方法在實際檢測系統中也可以綜合使用。
(2)人臉跟蹤
人臉跟蹤是指對檢測到的人臉進行動態目標跟蹤。具體來說，采用基於模型的方法或者基於運動和模型相結合的方法。
此外，利用膚色模型進行跟蹤也是壹種簡單有效的手段。
(3)人臉的比較
人臉比對是確認被檢測人臉圖像的身份或者在人臉圖像數據庫中搜索目標。實際上，這意味著將采樣圖像與庫存圖像依次進行比較，找到最匹配的對象。因此，人臉圖像的描述決定了人臉圖像識別的具體方法和性能。目前，主要有兩種描述方法:特征向量和紋理模板:
①特征向量法
該方法首先確定虹膜、鼻翼、嘴角等人臉圖像的大小、位置、距離等屬性，然後計算它們的幾何特征，這些特征構成了描述人臉圖像的特征向量。
②模式模板法
在該方法中，庫中存儲了許多標準的人臉圖像模板或人臉圖像器官模板，並且使用歸壹化的相關性度量將采樣的人臉圖像的所有像素與庫中的所有模板進行匹配。
此外，還有使用模式識別或特征與模板相結合的方法的自相關網絡。
人臉識別技術的核心其實是“局部人體特征分析”和“圖形/神經識別算法”。這個算法是壹種利用人臉各個器官和特征部分的方法。例如將由對應於幾何關系多個數據形成的識別參數與數據庫中的所有原始參數進行比較、判斷和確認。壹般判斷時間小於1秒。
2.人臉的識別過程。
壹般分為三步:
(1)首先建立人臉的人臉檔案。即利用攝像頭采集單位人員人臉的面部圖像文件或對其拍照形成面部圖像文件，並將這些面部圖像文件生成面部打印碼並存儲。
(2)獲取當前人臉圖像
也就是說，輸入攝像頭拍攝的當前訪客的人臉圖像，或者照片，將當前人臉圖像文件生成人臉圖案代碼。
(3)將當前紋理代碼與文件庫存進行比較。
也就是說，檢索當前面部圖像的紋理代碼，並將其與文件清單中的紋理代碼進行比較。上述的“面部模式編碼”方法是根據人臉的本質特征和開端來工作的。這種面部模式碼可以抵抗光線、膚色、面部毛發、發型、眼鏡、表情、姿勢的變化，可靠性強，從而可以從數百萬人中準確識別出某個人。
利用普通的圖像處理設備，可以自動、連續、實時地完成人臉的識別過程。