在人脸识别界，一般认为19世纪80年代发表在《Nature》上的一篇文章可以算得上是最早的人脸识别研究，但较为正式的人脸识别系统研究一般认为开始于20世纪60年代。然而，人脸识别研究直到80年代后，随着计算机成本的降低和光学成像技术的发展才得到一定的发展。但是在这一段时期里，一直没有获得足够的研究成果和社会的实用价值。所以一般被认为这一段时期是人脸识别研究的初级阶段。27686
而在1991年至1997年之间，这一阶段的时期的人脸识别技术得到了空前的发展。这一段时期间诞生了若干代表性的人脸识别算法，如美国麻省理工学院（MIT）媒体实验室的特克（Turk）和潘特（Pentland）提出的“特征脸”,尔胡米尔（Belhumeur）等提出Fisherface人脸识别方法,而且弹性图匹配技术(Elastic Graph Matching，EGM) 也是在这一阶段提出的。同样，再此期间美国军方耗时3年时间，并投入大量的人力物力组织了著名的FERET人脸识别算法测试。而此次测试也反向促进了各项人脸识别技术的发展。并且，此间也有人完成了人脸识别系统在商业上的应用。故此这一段时期被认为是人脸识别研究的高潮期。
20世纪90年代后期以来，由于其他各种相关的支持技术的发展，人脸识别方法有了重大突破，人脸识别真正进入初级的应用阶段。期间同样诞生了一些较为重要的一些方法，诸如基于光照锥 (Illumination Cones) 模型的多姿态多光照条件人脸识别方法、支持向量机的人脸识别方法等。同时，研究开始从2D人脸图像逐渐转向基于3D模型的人脸，并且进入真正的机器自动识别阶段。
直至如今，人脸识别技术经过多年的发展取得不小的进步，涌现出许多具有代表性的技术[1]，例如：（1）几何特征的人脸识别方法；（2）基于特征脸的人脸识别方法，如PCA；（3）神经网络的人脸识别方法；（4）弹性图匹配技术(Elastic Graph Matching，EGM)的人脸识别方法；（5）线段Hausdorff 距离(Line Hausdorff Distance，LHD) 的人脸识别方法；（6）支持向量机(Support Vector Machine，SVM) 的人脸识别方法。论文网
判定一个人脸识别系统是否成功的关键因素一般会考虑三个方面：最核心的算法如何、识别率的高低和识别速度的快慢。人脸识别系统是多种专业技术的集成，特别是视频图像处理技术、机器学习、机器识别、人工智能等，同时还需要结合一些中间值处理的理论与实现，是生物特征识别的最新展示。所以说，人脸识别系统核心技术的实现，实际展现了弱人工智能（对人类的依赖较大）向强人工智能（对人类的依赖十分小）的转化[2]。
2 人脸识别现状
现如今，全世界许多国家都有专门致力于研究人脸识别及其相关应用的科研机构。
国外的大学一般都设有计算机视觉研究组，并有专门从事诸如人脸图像处理、人脸模式识别等课题的科研小组[3]，其中比较著名的麻省理工学院媒体实验室(MIT Media Lab)[4]和人工智能实验室(AI Lab)、美国卡耐基梅隆大学(CMU)的机器人研究所、芬兰的赫尔辛基大学CIS研究所、法国的INRIA研究所、马里兰大学(UMD)等。
国内的人脸识别研究开始与20世纪80年代，而直到90年代中后期才逐渐在国内的许多院校以及科研机构等普及，如清华大学、四川大学、复旦大学、浙江大学、北京科技大学、哈尔滨工业大学、中科院自动化所、中科院计算所和中科院自动化所等一些研究机构等都开始从事人脸识别这方面的研究，也都有了一定的收获。其中中科院计算所和中科院自动化所的研究工作处于国内领先水平，甚至在国际上也处于较高水平。 人脸识别技术国内外研究现状和发展趋势:http://www.youerw.com/yanjiu/lunwen_22236.html