在人臉識別系統(tǒng)中，使用特征臉的方法進行，在目前來說還是比較占上風的，因為它是當前識別速度比較快的方法，是其他方法無法比擬的，因此，在人臉正面識別技術(shù)領(lǐng)域中，仍然深得人們喜愛。

　　一、基于特征臉的方法

　　特征臉的方法，它是一種比較經(jīng)典而又應(yīng)用比較廣的人臉識別方法，其主要原理是把圖像做降維算法，使得數(shù)據(jù)的處理更容易，同時，速度又可以做的比較快。

　　特征臉的人臉識別方法，實際上是將圖像做 K-L 變換，把一個高維的向量轉(zhuǎn)化為低維的向量，從而消除每個分量存在的關(guān)聯(lián)性，使得變換得到的圖像與之對應(yīng)特征值遞減。在圖像經(jīng)過 K-L 變換后，其具有很好的位移不變性和穩(wěn)定性。所以，特征臉的人臉識別方法具有方便實現(xiàn)，并且可以做到速度更快，以及對正面人臉圖像的識別率相當高等優(yōu)點。

　　但是，該方法也具有不足的地方，就是比較容易受人臉表情、姿態(tài)和光照改變等因素的影響，從而導致識別率低的情況。

　　通過上面的介紹，我們不難發(fā)現(xiàn)，在人臉識別系統(tǒng)中，使用特征臉的方法進行，在目前來說還是比較占上風的，因為它是當前識別速度比較快的方法，是其他方法無法比擬的，因此，在人臉正面識別技術(shù)領(lǐng)域中，仍然深得人們喜愛。

　　二、基于幾何特征的方法

　　基于幾何特征的識別方法，它是根據(jù)人臉面部器官的特征及其幾何形狀進行的一種人臉識別方法，是人們最早研究及使用的識別方法，它主要是采用不同人臉的不同特征等信息進行匹配識別，這種算法具有較快的識別速度，同時，其占用的內(nèi)存也比較小，但是，其識別率也并不算高。該方法主要做法是首先對人臉的嘴巴、鼻子、眼睛等人臉主要特征器官的位置和大小進行檢測，然后利用這些器官的幾何分布關(guān)系和比例來匹配，從而達到人臉識別。

　　其流程大體如下：首先對人臉面部的各個特征點及其位置進行檢測，如鼻子、嘴巴和眼睛等位置，然后計算這些特征之間的距離，得到可以表達每個特征臉的矢量特征信息，例如眼睛的位置，眉毛的長度等，其次還計算每個特征與之相對應(yīng)關(guān)系，與人臉數(shù)據(jù)庫中已知人臉對應(yīng)特征信息來作比較，最后得出更佳的匹配人臉。

　　基于幾何特征的方法符合人們對人臉特征的認識，另外，每幅人臉只存儲一個特征，所以占用的空間比較小;同時，這種方法對光照引起的變化并不會降低其識別率，而且特征模板的匹配和識別率比較高。但是，基于幾何特征的方法也存在著魯棒性不好，一旦表情和姿態(tài)稍微變化，識別效果將大打折扣。

　　三、基于神經(jīng)網(wǎng)絡(luò)的方法

　　將神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于圖像識別的中已經(jīng)有比較久的年代了，如的 BP 神經(jīng)網(wǎng)絡(luò)等，它是模仿人類大腦活動方式去實現(xiàn)的。目前，比較有代表性的神經(jīng)網(wǎng)絡(luò)模型設(shè)計的方法主要有混合型神經(jīng)網(wǎng)絡(luò)、主元神經(jīng)網(wǎng)，以及卷積神經(jīng)網(wǎng)絡(luò)等方法。神經(jīng)網(wǎng)絡(luò)的方法在目前來說，可以做到相對比較高的識別率，當然，其也存在著網(wǎng)絡(luò)訓練時間長，以及難以收斂等問題。

　　四、基于支持向量機的方法

　　將支持向量機(SVM)的的方法應(yīng)用到人臉識別中，其起源于統(tǒng)計學理論，它研究的方向是如何構(gòu)造有效的學習機器，并用來解決模式的分類問題。其特點是將圖像變換空間，在其他空間做分類。

　　支持向量機結(jié)構(gòu)相對簡單，而且可以達到全局更優(yōu)等特點，所以，支持向量機在目前人臉識別領(lǐng)域取得了廣泛的應(yīng)用。但是，該方法也和神經(jīng)網(wǎng)絡(luò)的方法具有一樣的不足，就是需要很大的存儲空間，并且訓練速度還比較慢。

　　五、其他綜合方法

　　以上是幾種比較常用的人臉識別方法，我們不難看出，每一種識別方法都不能做到完美的識別率與更快的識別速度，都有著各自的優(yōu)點和缺點，因此，現(xiàn)在許多研究人員則更喜歡使用多種識別方法綜合起來應(yīng)用，取各種識別方法的優(yōu)勢，綜合運用，以達到更高的識別率和識別效果。