技术

一些面部识别算法通过从面部图像中提取显着特征来进行识别。例如，面部的相对位置和大小，眼睛，鼻子，che骨和下巴的形状都用作特征。使用此类功能，搜索具有匹配功能的图像。在另一种算法中，从大量的面部图像创建标准化数据，并且每个面部图像仅被压缩为与标准数据的差异，仅保留面部识别所需的数据。将目标图像与这种面部数据进行比较。一个xxx个成功的脸部识别系统的，使用一系列压缩面数据的使用一组显著面部的特征基于模板匹配技术。

识别算法大致可分为两种：一种是直接在几何上比较外观特征的方法，另一种是对图像进行统计量化并将数值与模板进行比较的方法。

主面部识别算法，主成分分析与特定面部，线性判别分析，弹性束图匹配，隐马尔可夫模型，由神经元动机动态链接匹配像。

最近的新趋势是3D人脸识别，它试图实现考虑到不可见部分的准确性。在该技术中，三维传感器用于获取面部的三维信息。从那里，像眼窝，鼻子和下巴的轮廓，使用提取物明显的特点。

3D人脸识别的优势在于，它对图像亮度的敏感度低于其他技术。它还可以从各种角度识别脸部图像。

3D人脸识别也容易受到面部表情变化的影响。以色列理工学院面部表情的变化等距研究了该技术，以捕获为。

近来，存在将皮肤外观细节应用于面部识别的趋势。它是为了量化图像中的皱纹和污渍。有报道称这称为皮肤纹理分析，用于面部识别时，识别率已从传统的20％提高了25％。