1.2 人脸识别研究中的难点分析
(1)人脸本身的特点
每个人的脸部特征分布很相似，且人脸拥有复杂的表情妆容，人脸识别技术的研究过程是相当复杂的，要建立好一个利用计算机系统成功操作且正确识别大量人脸的系统，难度是相当大的.这不仅仅与数字处理方面和识别模式处理有关系，它还涉及到了许多学科，如计算机视觉、神经网络、心理学、人工智能等多方面的知识.对于人脸识别问题，国内外都已经研究出了一些成果，面对特定情况时，还将是具有挑战性的问题.
(2)环境的影响
在获取人脸图像时，图像可能会受到光线、角度、有遮挡物等不同因素的影响.每个图像像素亮度值依赖环境的各个因素：光源的方向、强度、角度等.太暗或者太亮的光照都会给人脸的识别率带来巨大的波动性.因此，需要对人脸图像进行预处理.本文的第二章将进行详细介绍.
    (3)计算机本身的影响
虽然我们在处理三文的人脸图像时候，会把三文投影到二文图像上，但是图像仍具有高文且复杂的视觉信息，包含有大量信息的像素数据，所以对于计算机来说，要处理这么大的信息量，也是研究中面临的主要难点之一.
1.3 人脸识别系统的步骤
我们可以把相机，摄像头等看做人的眼睛，通过计算机观察到人脸图像，通过人脸识别系统测算并确定出待处理图像中的人物身份.
自动人脸识别系统大致的框架：
 人脸识别系统大致框架
（1）面部的获取：通过摄像头捕获的图像，可以是人或图片.
（2）人脸的检测：该部分的任务是确定图像有无人脸，倘若有一个给定的人脸，我们需把他从图像背景标记出来.不过，人脸摆放位置，图像的缩放，人脸的旋转，头发和面部遮挡和含有噪声的图像将会给人脸检测与定位带来影响.
（3）特征提取：通过特征提取，提取出人脸特征点（如眼睛、眉毛）的位置，还可以得到人脸信息及面部形态.在这之前应对图片做几何归一化以及灰度归一化处理，几何归一化的方法是依据人脸定位的结果把待处理的人脸图像转到相同的位置和尺寸；灰度归一化是为了克服由于光照的不同带来的影响.
（4）人脸识别：通过对人脸检测中检测到的人脸与人脸数据库进行比较，并计算特征的相似性，可以将信息检测出来.这其中存在两类识别问题：一是输入的人脸已经是人脸库中存在的个体，那么这样就对应两个问题：1.确定输入的某人的身份，是一对多的匹配过程2.为了验证已经知道的身份信息的真实性，是一对一的求证过程.
1.4 人脸识别的几种常见的方法
下面大概介绍几种人脸识别的方法：
（1）基于几何特征的人脸识别方法
     这种特征提取方法是基于人脸几何特征.这种方法是先提取出人的眼睛、眉毛、嘴巴、鼻子几个人脸上具有特征的地方，然后计算出这几个特征点的大小、距离来进行人脸识别[1].这种方法专注于人脸面部轮廓和特征点的探究，这个方法具有操作简单、操作速度也快的特点.不过这种方法仅仅是用几个特征点来代替整个人脸的二文图像，这样就忽视了人脸器官及人脸其他部分的纹理信息，不够全面，面对大点的人脸数据库时候，这种方法识别效率不高.
   （2）基于模块匹配的人脸识别方法
    模块匹配主要包括静态匹配和弹性匹配. 静态匹配是首先建立包括人脸图像和灰度图像、生理特征这些模板的数据库来存储多个模板.人脸图像通过尺度归一化和灰度归一化等相同变化后，获得与数据库中有相同大小、位置等人脸图像，之后再与人脸数据库中的图象进行匹配，然后与人脸数据库匹配，来确定图像分类[2].该方法对于光照、面部表情比较敏感，当外界干扰比较小的时候，才会有很好的识别效果，把这种方法与几何特征方法进行比较，可以发现它的运算量较大. 人脸检测的研究+matlab源代码(2):http://www.youerw.com/jisuanji/lunwen_35961.html