人脸识别技术，本质上就是通过分析人脸图像来确认身份。它的核心流程可以拆成三个环环相扣的环节：先把人脸从图像里找出来，再提取出能代表这张脸的独特特征，最后拿这些特征去和数据库里的已知特征做比对。任何一个环节出了问题，识别结果都可能跑偏。下面就来逐一拆解。

一、人脸检测

人脸检测是人脸识别的第一道关卡，目标是在图像或视频里锁定人脸的位置和大小。这一步做不好，后面全是白费力气。目前主流的方法大致有四种，各自有各自的优缺点。

1. 基于肤色模型的方法

这种方法利用的是人脸肤色在颜色空间中的分布特性。具体来说，先把图像从RGB颜色空间转换到另一个更容易区分肤色的空间（比如HSV或YCbCr），然后根据肤色在该空间里的分布范围设定一个阈值，把肤色区域提取出来。最后再通过形态学操作和区域连接等处理，把零散的区域拼成完整的人脸框。优点是速度快，缺点是容易被光照和背景中类似肤色的物体干扰。

2. 基于模板匹配的方法

这种方法更直接：事先准备好一个标准的人脸模板，然后让这个模板在待检测图像上滑动，计算每个位置与模板的匹配度，匹配度最高的区域就是人脸。常见的匹配方式有相关匹配、平方差匹配等。实现简单，但对光照、姿态变化非常敏感——人稍微侧个脸，匹配效果就可能大打折扣。

3. 基于特征的方法

这种方法不是靠肤色或模板，而是抓取人脸的关键特征点，比如眼角、嘴角、鼻尖等。先用边缘检测、角点检测之类的算法找出图像中的候选特征点，然后通过特征点之间的几何关系（比如形状匹配）来确认是否构乘人脸。对光照和姿态变化的适应性比前两种好，但计算复杂度也更高。

4. 基于深度学习的方法

这是目前最主流、效果也最好的方法。利用深度神经网络（比如卷积神经网络CNN、循环神经网络RNN）直接端到端地检测人脸。准确率和鲁棒性都很高，即使面对复杂的光照、遮挡或夸张表情也能稳定工作。当然，代价是需要大量标注好的训练数据和强大的计算资源来训练模型。

二、人脸特征提取

找到人脸之后，下一步是提取出能代表这个人身份的"数字签名"。这一步是整个系统的核心，特征提取得好，后面的匹配才能准。常见的特征提取方法也有三大类。

1. 基于几何特征的方法

这种方法还是依赖关键特征点（眼角、嘴角、鼻尖等），但不是用来检测，而是用它们之间的相对距离和角度来构造特征向量。比如两眼之间的距离、鼻子到嘴巴的垂直距离、嘴角的夹角等。简单直观，计算量也小。但问题在于，一旦人脸被遮挡或者角度变化大，这些几何关系就变得不稳定，识别精度会明显下降。

2. 基于像素值的方法

直接拿整张人脸图像的像素值当特征，但像素维度太高，直接比较效率低且容易受噪声影响。所以通常需要先做降维处理，常用的方法有主成分分析（PCA）和线性判别分析（LDA）。先把图像投影到特征空间，然后通过降维和特征选择提取出最关键的成分。这类方法对光照和表情变化有一定鲁棒性，但计算复杂度较高，而且对人脸对齐的要求非常严格——眼睛没对齐，效果会差很多。

3. 基于深度学习的方法

深度学习同样也是特征提取的主力。使用深度卷积网络（Deep CNN）或自编码器（Autoencoder），可以自动从人脸图像中学习从底层到高层的层次化特征。相比手工设计的几何特征或像素特征，深度学习学出来的特征表达能力更强，泛化能力也更好。不过代价也很明显：需要海量训练数据和强大的GPU算力。

三、人脸匹配

最后一步，把提取到的特征和数据库中存储的人脸特征进行比较，找到最匹配的那一个，从而确认身份。这一步常用的方法有两种。

1. 基于距离度量的方法

计算待识别特征向量与已知特征向量之间的距离，距离越小表示越相似。常用的距离有欧氏距离、余弦相似度等。具体做法：先计算距离，然后设定一个阈值，低于阈值就判定为匹配。这种方法简单直接，但对特征空间的标准化和选择比较敏感——如果特征本身分布不好，距离度量就没有意义。

2. 基于相似性度量的方法

与距离度量类似，不过是从相似度的角度来衡量。计算待识别特征与已知特征之间的相似性（比如相关性、匹配滤波），相似度越高越可能匹配。同样需要设定一个相似性阈值来判断是否匹配。本质上和距离度量是同一个问题的两种表述，区别在于衡量尺度的方向不同。