目前已有众多国家在人脸识别项目上投入了很大精力，如美国，日本，以及欧洲的一些发达国家。现如今全球的人脸识别技术大致有以下四种方法：

（1）固定模板和变形模板方法。即设计一个已有的模板，然后将人脸图片与其相比较，查看相似程度，判断是否是人脸，是否是同一张人脸。但固定模板比较死板，在人脸自身有所变化或者外界环境影响下，识别程度就会急剧下降。相比较而言，变形模板因为可以加入手动绘制的参数化曲线和机器自动生成的曲线而让识别效果变得更加稳定。

（2）示例学习方法。即将人脸与非人脸模型输入学习机中，由其自身产生判别是否是人脸的规则，这种方法建立在大量样本的基础上，更多的被用于人脸的检测中。

（3）神经网络方法。同样建立在大量样本的基础上，但CMU的研究者将图像直接输入神经网络，建立了一个适用于人脸图像的神经网络分类器。这种方法首先被应用于人脸检测中，随着技术的发展，才逐渐有了眼睛定位，人脸识别的功能。

（4）建立在隐马尔科夫模型的方法。在人脸模式下，这种内部状态外部不可见，只能看见各时刻状态的方法将人脸细分为鼻子，眼睛等各个部位，识别小的部位后在做综合处理。除了这些，国外还有很多基于其他方法的研究实验。

1.3.2国内发展情况

人脸识别技术现在在国内的各行各业中均有它的身影，常见的比如网络信息安全验证，档案的管理，公安资料的查询等等。不成熟的技术是无法在生活中被广泛使用的，而这正好证明了国内的人脸识别水平已经到了一定程度，这当然离不开那么多年众多研究者的共同努力。

在国内，关于人脸识别的研究在二十世纪80年代就以进入研究领域，[3]国内知名大学如清华，哈尔滨工业大学，中科院，复旦大学等均把对人脸识别的研究列入研究项目，并取得了一定的成绩。研究者更倾向于研究基于不同特征的人脸识别技术。国内的研究主要集中在三个方面：基于几何特征，基于代数特征以及基于链接机制的人脸正面识别。比如周激流不仅在人脸的正面识别上有所研究，还提出了“稳定视点”特征的提取方法，也就是将3D信息包含在其中，在对人脸侧脸的识别上做出了一些研究进步。而其他的国内研究者比如彭辉，张长水等也基于各种方法做出了各自的研究突破，为我国人脸识别技术开创了新的研究方向和内容。在灰度图的处理应对上，程永清，庄永明等对图像的平均灰度图进行了SVD分解处理，得到特征脸空间，之后利用层次判别将图像在特征脸空间的投影进行分类，开创了新的灰度图处理模式。而在最无法避免的特征提取和识别问题上，张辉，周洪祥，何振亚等使用对称主元分析的神经网络方式，使用去除冗余和权值正交结合的新方法处理这个难题，这种新方法特征数据少，运算量较少，在快速完成识别储存人脸的过程。

2系统介绍与方案选择

2.1系统介绍

2.1.1模块与功能分析

该系统最主要的目的是为了实现人脸的识别，本论文中没有加入摄像的部分，但同样需要先将获取的图像进行预处理的步骤。经过处理的图片需要进行定位处理，如人脸的口鼻眼耳等部位，这样才能方便接下来的特征提取。提取完特征才可以进入最后的识别部分。以下是各模块及功能的介绍：

（1）图像导入模块：建立数据库，在没有摄像功能的时候，需要庞大的人脸数据库，并且可以将人脸的图片导入到界面进行识别分析。

（2）图像预处理模块：此模块主要将库中的图片进行图像预处理，比如光线补偿，灰度化和高斯平滑等处理，方便接下来进一步的系统处理。