与传统的鉴别方式相比，人脸识别具有相当明显的优势，体现在三个方面：

　　第一，自然性，是指该鉴别方法同人类本身进行个体识别时所利用的身体特征相同，是通过观察比较人的面部特征来区分和确认身份，具有自然性的识别还包括语音识别和体形识别，而指纹和虹膜识别等由于人类无法通过这样的生物特征识别出他人，所以不具备自然性。

第二，非强制性，被检测到的人脸特征可以间接获得而不被被测试者发现，与指纹或虹膜识别不同，人脸识别是使用可见光来获得面部图像信息，而不需要使用红外光或电子压力传感器来采取指纹或虹膜的特征信息，这些特殊的信息采集方法很容易就会被察觉到。

第三，非接触性，相对于其他生物识别技术，人脸识别不需要用户和检测设备相互接触，可以同时满足在实际环境中进行的多个人脸的分拆、判断及鉴别。

总的说来，人脸识别是当前计算机模式识别领域中的一个非常活跃的研究课题，在安全检测、身份验证、军事、商业等领域具有广泛的应用前景。基于人脸识别的自动身份认证具有重要的理论意义和应用价值。

2  人脸识别技术

2.1  人脸识别技术研究内容

人脸识别的过程是从人脸图片中提取能够表示该人脸的特征值，并以此来区别。人脸识别的方法一般由以下四部分组成：

1.人脸检测与定位：主要过程是判断被测对象中是否包含有人脸，并将其人脸图像从被测对象中提取出来。由于人脸的变化相当复杂，而且光线强弱、人的面部表情、人的头部和头部的遮挡物、头的旋转角度、年龄、设备噪音等对识别结果都有很大的影响，所以人脸检测与定位是个一个相当复杂的技术。

2.对人脸图像的预处理：主要是在鉴别人脸图像信息之前，对其采用不同的方式进行处理来增强人脸的特征信息。一般比较常用的预处理方法有灰度变换、直方图均衡化、图像的几何校正以及图像的锐化与平滑等。

3.人脸特征信息的提取：主要方法是提取可以用来表示整个人脸的最主要特征信息。作为主要的特征信息，要能够还原出原本的被测人脸，且具备唯一性。主要的人脸描绘方式有：对人脸的几何特征的捕捉、神经网络系统、人脸的特征脸的提取、人脸模板匹配等。

4.人脸识别：主要方法是将待测试的人脸图像与预存数据库中的人脸进行对比，通过比较两者在各自特征脸空间的距离，寻找出与被测图像差距最小的图像，然后输出图像完成对于人体的身份鉴定。

总的来说，人脸识别的目的是让计算机具有通过对人脸的特征进行分析来实现鉴别身份的功能。具有很大的实用价值。

2.2  人脸识别技术的发展趋势论文网

人脸识别的理论发展大致可以分为三个阶段：

第一的阶段，代表人物是Bertillon,Allen和Parke，大致的研究方式是探讨与寻找实现人脸识别所必须的人脸面部特征信息。在Berliton的系统中，使用相对简单的语句来连接数据库中对应的人脸图像，并且结合了指纹识别的功能，完成了一个识别率较高的身份鉴别系统。而为了进一步的提高人脸识别率，Allen发明了一种高效且逼真的描绘方式，Parke

则使用计算机完成了Allen这个想法的功能，并能够输出质量较高的人脸灰度图像。这个阶段的特点是缺乏自动化，其主要的鉴定方式全部需要人工参与，这个系统显然是无法完成自动识别的要求的。

第二个阶段，代表人物是：Goldstion,Harmon和Lesk等，他们采用的方法是使用几何参数来表征人脸图像。他们采用21维特征向量来对人脸特征信息进行表示，并且开发了适用于这套表示方法的人脸识别系统。而Kaya和Kobayashi采用了统计识别方法，使用欧氏距离来对人脸特征信息进行表示，例如两眼间距，鼻头宽度。进一步的，T.Kanad设计了一种速度较快的，且具有相对应的知识作为借鉴的半自动识别系统，运用积分投影方法来计算人脸图像的特征信息，再利用模式分类技术与标准人脸相比较，判断信息是否能够相互匹配，Kanad对系统的快速的设计，很具有创造性。与此同时，Baron也做了不少工作，首先，他通过将采集到的人脸图像转变为灰度图像，再进行归一化处理，接着使用4的不同的掩膜来对人脸进行表示，并计算掩膜与数据库中的预存人脸图像的对应掩膜之间的互相关系数，即可输出判断结果。 基于Matlab的PCA人脸识别的设计与仿真+程序(2):http://www.youerw.com/zidonghua/lunwen_74690.html