面部識別技術基于人的面部特征，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，則進一步給出每個臉的位置，大小和要點。 面部器官的位置信息。 并根據此信息進一步提取每個將個人面部中包含的身份特征與已知面部進行比較，以識別每個面部的身份。

  人臉識別方法很多，主要的人臉識別方法有：

  （1）基于幾何特征的面部識別方法：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系（例如它們之間的距離）。 這些算法具有很快的識別速度并且需要小的存儲器，但是識別率很低。

  （2）基于特征臉（PCA）的人臉識別方法：特征臉法是基于KL變換的人臉識別方法，KL變換是用于圖像壓縮的最優正交變換。 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。 這些基礎可以擴展為低維線性空間。 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練樣本，并且完全基于圖像灰度的統計特性。 當前有一些改進的特征臉方法。

  （3）神經網絡人臉識別方法：神經網絡的輸入可以是分辨率降低的人臉圖像，局部區域的自相關函數，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 訓練，并且在許多應用中，樣本數量非常有限。

  （4）彈性圖匹配的人臉識別方法：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，并使用屬性拓撲圖表示人臉。 拓撲圖的任何頂點都包含一個特征向量，該特征向量用于記錄頂點附近的人臉信息。 該方法結合了灰度特性和幾何因素，在比較過程中允許圖像發生彈性變形，在克服面部表情變化對識別的影響方面取得了良好的效果。 同時，一個人不再需要多個樣本訓練。