人脸辨认算法发展到今日，大致上能够分为两类：根据特征的人脸辨认算法和根据外观的人脸辨认算法。其间，大都根据特征的人脸辨认算法归于前期的人脸辨认算法，现在现已不再运用。不过近些年呈现了一些新的根据特征的算法，并获得不错的作用。而根据外观的人脸辨认算法是因为完成简略，遭到广泛重视。接下来将别离介绍两类人脸辨认算法。
根据特征的人脸辨认算法：前期的人脸辨认算法首要是根据特征模板和几许束缚来完成的。这一类算法首要对输入图画进行处理，提取出如眼睛、鼻子和嘴等面部特征和外观概括。然后核算这些面部特征之间的几许联系，如间隔、面积和视点等。这样将输入图画转换为几许特征向量后，运用规范的核算形式辨认技能进行匹配分类。因为算法利用了一些直观的特征，核算量小。不过，因为其所需的特征点不能准确挑选，束缚了它的运用规模。别的，当光照改变、人脸有外物遮挡、面部表情改变时，特征改变较大。所以说，这类算法只适合于人脸图画的大略辨认，无法在实践中运用。
以上这些办法都是经过一些特征模板和几许束缚来检测特定的面部特征，并核算特征之间的联系。还有一些办法运用了图画的部分表明来提取特征。其间最受重视的办法是部分二值形式(LBP)算法。LBP办法首要将图画分红若干区域，在每个区域的像素3×3邻域顶用中心值作阈值化，将成果看成是二进制数。LBP算子的特点是对单调灰度改变坚持不变。每个区域经过这样的运算得到一组直方图，然后将一切的直方图连起来组成一个大的直方图并进行直方图匹配核算进行分类。
根据特征的人脸辨认算法首要的优势在于对姿势、标准和光照等改变鲁棒。因为大都特征是根据手动挑选和先验常识，受图画自身的成像质量影响较少。别的，提取出的面部特征往往维数较低，匹配速度快。这些办法的缺陷是主动特征提取的难度较大。假如特搜集的辨别能力弱，再多的后续处理也无法补偿自身的缺乏。根据外观的人脸辨认算法：根据外观的人脸辨认算法也称为全体办法。它们运用图画的大局信息来辨识人脸。最简略的全体办法是用二维数组来寄存图画的灰度值，然后直接对输入图画和数据库中的一切图画进行相关性比较。这种办法的缺陷十分多，如易受环境影响、核算耗时等。其间一个重要的问题是这样的分类是在一个十分高维的空间中进行的。为了战胜维数问题，一些算法运用核算降维办法来获取和保存更有用的信息，最典型的算法便是主成分剖析(PCA)算法和线性辨别剖析(LDA)算法。
PCA算法指出任何特定的人脸能够由一个低维的特征子空间表明，并能够用这个特征子空间近似地重建。将输入人脸图画投影到特征子空间上得到的特征与已知的数据库进行比对来确认身份。PCA算法选取的特征最大化了人脸样本间的差异，但也保存了一些因为光照和面部表情产生的不必要的改变。而同一个人因为光照产生的改变可能会大于不同人之间的改变。LDA算法在最大化不同个别之间的样本差异的一起，最小化同一个别内部的样本差异。这样达到了人脸特征子空间的区分。全体办法首要的长处是它们没有丢掉图画中的任何信息。但是，这也是它们的缺陷。全体办法一般假定图画中的一切像素是平等重要的。因而，这些技能不只核算耗时，并且需求测验样本与训练样本高度相关。当人脸图画的姿势、标准和光照产生较大改变时人脸辨认功能一般。
