人脸识别论文(基于特征脸)陈立
基于特征脸及人工神经网络的人脸识别
１ ０ ×１ ０ 矩 阵解 决 Ｎ。 ０ ３ ４ ０３ ４ 维特 征 向量 的计算 问题 ， 然 后使 用适 当 的线性 组合 得到 面部 图像 。
考 虑 特征 向量 的 Ａ 为：
ＡＡ ｆ Ａｖ ： （） ５
息论 和 主成 分分 析法 。Ｋｉ ｙ和 Ｓｒｖｃ ［ 就证 明 了 ， ｒ ｂ ｉ ｉ ２ ｏ ｈ］ 可 以用 “ 征脸 ” 特 坐标 系来 表 征任 何 特 殊 的脸 ， 是 面 这 部 总 体 平 均 方 差 的 特 征 方 程 。随 后 ， ｒ 和 Ｔｕｋ
Ｐ ｎｌｎ ［提 出了基 于特征 脸 的人脸识 别方 法 。 ｅｔ ｄ３ ａ
摘
要： 人脸是一个复杂 的多维可见模 型， 开发人脸识别 的计算模 型是 比较复杂 的。 介绍 了一种基于信息理论的编译人脸 图像 一
的 识 别 方 法 。该 方 法 涉及 两 个 方 面 ： 是使 用 主成 分 分 析 进 行 特 征 提 取 ； 是 使 用 前 馈 反 向神 经 网 络进 行 识 别 。并 使 用 ４ ０ 人 脸 一 二 ０张
大 向量 数据 集 从 属 于主 成 分分 析 ， 成 分 分析 寻 主
找 能很 好 描 述 数 据 分 布 的 正 交 向量 。选 择 ｋｈ向 ｔ
量 ， 下值 最大 使
一
选 择 图像
１
（
）
（） ３
二＝厂
得 到 人脸 描 述 集（ ） 新
约 束条 件为 ：
＝
本 文介绍 了一 种独 立于几 何 和计 算 的无 监管 的人 脸识 别模 式 。 识别 系统 主要 涉及 到了特 征脸 、 该 主成 分
人脸识别论文
中文摘要摘要人脸识别技术属于生物验证的一种，在身份验证领域日益发挥重要作用，具有十分广泛的应用前景。
人脸检测和定位问题是人脸识别技术首先要解决的问题。
人脸检测算法是一个高效的、自动的人脸识别系统中的关键技术之一。
如今人脸检测问题已成为一个热门研究领域，新的算法不断被提出，不过由于人脸的复杂性，目前尚不能找到一个完美的算法。
在不同应用环境下，有不同的算法，本文针对应用于视频中人脸检测问题进行了研究，论文的主要工作如下：本文首先对人脸识别的任务提出了要求并阐述了其难点，结合其实现难度，提出一个能教快速的识别出图片中人脸的基于肤色的人脸检测算法，由于其一般适用性本文使用了RGB色彩空间，本算法将三维RGB空间映射为两维独立分布的空间。
在二维空间下，肤色类聚性好且符合高斯分布，利用人工阈值法将肤色与非肤色区域分开，形成二值图像。
非肤色区域中依然有可能有部分区域颜色与肤色相近，所以阈值分割后的图像依然存有部分假肤色区域，经过形态学处理和限制长宽比之后，可得到人脸区域。
在确定人脸区域后，我们需要在原图上对人脸区域进行标记，这里可通过找到一些关键点，作出矩形框标记人脸区域关键字:人脸识别,肤色检测,色彩空间,高斯分布，人脸检测- I -Abstract（英文摘要）AbstractFace recognition technology is biological validation of an increasingly important role in the field of authentication, a very wide range of applications. Face detection and face recognition technology positioning problem is to be solved first. Face detection algorithm is an efficient, one of the key technologies of automatic face recognition system. Now face detection has become a hot area of research, new algorithms constantly being made, but because of the complexity of the human face, is still unable to find a perfect algorithm. In different environments, there are different algorithms, this paper applies to video Face Detection conducted a study, the main work of this thesis is as follows:This paper proposes a face recognition task requirements and described its difficulties, combined with the difficulty of its implementation, proposes a can teach quickly identify the faces in the pictures Face detection algorithm based on skin color, because of its general applicability as used herein, the RGB color space, thisthree-dimensional RGB space mapping algorithm is a two-dimensional space of independent distribution. In two-dimensional space, color clustering is good and in line with the Gaussian distribution, the use of artificial threshold method to separate color and non-color area, forming a binary image.Non-skin area, there are still some regions may have similar color and skin color, the image thresholding is still there after part false color region, after morphological and restrictions aspect ratio obtained face region.In determining the face region, we need to face in the picture area mark, there may be some of the key points by finding made rectangle marked face regionKeywords: face recognition, color detection, color space, the Gaussian distribution, face detection- II -目录目录摘要 (I)ABSTRACT（英文摘要） (Ⅱ)目录 (Ⅲ)第一章绪论 (1)第二章需求分析 (3)2.1任务概述 (3)2.1.1 人脸识别完成的主要目标 (3)2.2需求规定 (3)2.2.1 对功能的规定 (3)第三章基于肤色检测的人脸识别及实现 (4)3.1人脸肤色建模 (4)3.1.1 色彩空间 (4)3.1.2 图片的修正处理 (5)3.1.3 人脸肤色模型 (5)3.1.4 特征的确定 (13)3.2各功能模块的实现 (14)3.2.1 打开图像模块 (14)3.2.2 脸和头发识别模块 (16)3.2.3 标记模块 (17)3.2.4 特征提取模块 (24)附录 (39)结束语 (63)参考文献 (64)致谢 (65)- III -第一章绪论第一章绪论随着科学技术的进步和社会的发展,对快速、有效辨别人身的需求越来越迫切。
基于半边脸的人脸检测——毕业论文
基于半边脸的人脸检测摘要图像中的人脸检测是人脸识别研究中一项非常重要的研究分支。
为了更有效地检测图像中的人脸，此次研究设计提出了基于半边脸的人脸检测方法。
根据图像中人半边脸的容貌或者器官的密度特征，比如眼睛，耳朵，嘴巴，部分脸颊，正面的平均全脸模板就可以被构建出来。
被模拟出来的半张脸是基于人脸的对称性的特点而构建的。
图像中人脸检测的实验运用了模板匹配法和相似性从而确定人脸在图像中的位置。
此原理分析显示了平均全脸模型法能够有效地减少模板的局部密度的不确定性。
基于半边脸的人脸检测能降低人脸模型密度的过度对称性，从而提高人脸检测的速度。
实验结果表明此方法还适用于在大角度拍下的侧脸图像，这大大增加了侧脸检测的准确性。
关键词：人脸模板；半边人脸模板；模板匹配法；相似性；侧脸1 介绍近几年，在图像处理和识别以及计算机视觉的研究领域中，人脸识别是一个很热门的话题。
作为人脸识别中一个重要的环节，人脸检测也拥有一个延伸的研究领域。
人脸检测的主要目的是为了确定图像中的信息，比如，图像总是否存在人脸，它的位置，旋转角度以及人脸的姿势。
根据人脸的不同特征，人脸检测的方法也有所变化[1-4]。
而且，根据人脸器官的密度或颜色的固定布局，我们可以判定是否存在人脸。
因此，这种基于肤色模型和模板匹配的方法对于人脸检测具有重要的研究意义[5-7]。
这种基于模板匹配的人脸检测法是选择正面脸部的特征作为匹配的模板，导致人脸搜索的计算量相对较大。
然而，绝大多数的人脸都是对称的。
所以我们可以选择半边正面人脸模板，也就是说，选择左半边脸或者有半边脸作为人脸匹配的模板，这样，大大减少了人脸搜索的计算。
2 人脸模板构建的方法人脸模板的质量直接影响匹配识别的效果。
为了减少模板局部密度的不确定性，构建人脸模板是基于大众脸的信息，例如，平均的眼睛模板，平均的脸型模板。
这种方法很简单。
在模板的仿射变换的实例中，人脸检测的有效性可以被确保。
构建人脸模板的过程如下[8]：步骤一：选择正面人脸图像；步骤二：决定人脸区域的大小和选择人脸区域；步骤三：将选出来的人脸区域格式化成同一种尺寸大小；步骤四：计算人脸区域相对应像素的平均值。
基于人脸识别技术的实验室门禁系统设计与实现
基于人脸识别技术的实验室门禁系统设计与实现摘要：随着科技的不断发展，人脸识别技术在各个领域得到了广泛应用。
本论文设计并实现了一种基于人脸识别技术的实验室门禁系统，该系统能够准确、快速地识别人员身份，提高实验室的安全性和管理效率。
本文详细介绍了系统的总体设计、硬件组成、软件实现以及系统测试等方面的内容。
关键词：人脸识别；实验室门禁系统；安全性；管理效率一、引言实验室是进行科学研究和教学实验的重要场所，通常存放着贵重的仪器设备和重要的实验数据。
为了确保实验室的安全，防止未经授权的人员进入，需要安装可靠的门禁系统。
传统的门禁系统主要采用钥匙、密码、刷卡等方式进行身份验证，这些方式存在着易丢失、易被破解、管理不便等问题。
而人脸识别技术作为一种新兴的生物识别技术，具有非接触、快速、准确、安全等优点，能够有效地解决传统门禁系统存在的问题。
因此，设计并实现一种基于人脸识别技术的实验室门禁系统具有重要的现实意义。
二、系统总体设计（一）设计目标本系统的设计目标是实现一个高效、准确、安全的实验室门禁系统，具体包括以下几个方面：1.实现人员身份的快速准确识别，识别时间不超过 2 秒。
2.支持多人同时识别，提高门禁通过效率。
3.具备高安全性，防止非法人员进入实验室。
4.提供友好的用户界面，方便管理人员进行操作和管理。
5.实现与实验室管理系统的集成，提高实验室的管理效率。
（二）系统架构本系统采用分布式架构，主要由前端人脸识别设备、服务器和客户端三部分组成。
前端人脸识别设备负责采集人员的面部图像，并将图像数据传输到服务器进行识别处理。
服务器负责存储人员信息和面部特征数据，并对前端设备传输过来的图像数据进行识别处理，将识别结果返回给前端设备和客户端。
客户端可以是电脑、手机等设备，管理人员可以通过客户端对系统进行管理和监控。
（三）工作流程1.人员在前端人脸识别设备前站立，设备自动采集人员的面部图像。
2.前端设备将采集到的面部图像数据传输到服务器。
(完整)人脸识别毕业设计
信息科学与技术学院毕业论文课题名称：基于特征识别的人脸检测系统学院:信息科学与技术学院完成日期：二○一七年五月十九日摘要我的毕业设计题目是基于特征的人脸检测系统，这个系统不仅仅能够检测人脸，还具有识别人脸的功能。
检测人脸检测部分的算法采用的是于仕祺老师的LBP特征加Gentle AdaBoost 分类器相结合的算法,提取识别特征部分的算法采用的是Google在2015年提出的基于深度学习策略的一种人工神经网络FaceNet，较为新颖，其准确率高,在光照不足，姿态和表情变化剧烈时仍能保持稳定，具有很强的鲁棒性。
该系统的界面使用MFC编写,在具体实现中了应用了多线程编程技术实现了一个简单的生产者消费者模型,从而提高了系统的识别效率，另外,对人脸的识别模块还使用了Python，C++混合编程技术引入了Google的开源深度学习框架Tensorflow作为对FaceNet的具体实现，数据库使用的是SQL Server2012，连接数据库使用的是微软公司的ADO 组件.该系统主要有信息采集模块和实时监控模块两个部分，前者完成对任务样本的信息采集工作，后者完成在实时监控的情况下对出现在画面中的人脸进行检测和识别，检测部分的速度可以达到40～60的FPS，识别部分由于计算量较大，只能达到2～5的FPS。
该系统经过简单的硬件支持和部署之后，基本可以完成在实际场景中的简单应用,具有一定的学术研究和实际应用价值。
关键词:人脸检测;人脸识别；机器学习；Tensorflow；实时监控IABSTRACTThe topic of this graduation project is Face Detection System based on characteristics which achieves the face detection and face recognition two functions. The algorithm of face detection part uses a kind of enhanced algorithm based on LBP feature and Gentle AdaBoost classifier proposed by ShiQi Yu，the algorithm of extracting face feature used in recognition part uses a kind of manual neural network FaceNet based on deep learning strategy proposed by Google in 2015.FaceNet has reached high arruracy and it is robustness to the change of illumination，posture and expression。
毕业设计论文-人脸识别系统
人脸识别方法的研究目录第一章绪论第一节课题背景一课题的来源------------------------------------------------------------------------------1二人脸识别技术的研究意义------------------------------------------------------------1 第二节人脸识别技术的国内外发展概况---------------------------------------------------3一国外发展概况---------------------- --------------------------------------------------2二国内发展概况---------------------------------------------------------------------------4 第二章系统的需求分析和方案选择---------------------------------------------------------5第一节可行性分析------------------------------------------------------------------------------5 一技术可行性分析------------------------------------------------------------------------5二操作可行性分析------------------------------------------------------------------------5 第二节需求分析---------------------------------------------------------------------------------6 一应用程序的功能需求分析------------------------------------------------------------6二开发环境的需求分析------------------------------------------------------------------7三运行环境的需求分析------------------------------------------------------------------7 第三节预处理方案选择------------------------------------------------------------------------7 一设计方案原则的选择------------------------------------------------------------------7二图像文件格式选择---------------------------------------------------------------------8三开发工具选择---------------------------------------------------------------------------8四算法选择分析---------------------------------------------------------------------------8 第三章系统的概要设计------------------------------------------------------------------------9第一节各模块功能简介------------------------------------------------------------------------9 第四章系统详细设计-------------------------------------------------------------------------14第一节系统整体设计简述-------------------------------------------------------------------14第二节图像处理详细设计-------------------------------------------------------------------14 一位图详细设计-------------------------------------------------------------------------14二图像点处理详细设计----------------------------------------------------------------15（二）光线补偿算法和代码实现----------------------------------------------------------16（三）图像灰度化算法和代码实现-------------------------------------------------------18（四）高斯平滑算法和代码实现----------------------------------------------------------20（五）灰度均衡算法和代码实现----------------------------------------------------------23（六）图像对比度增强算法和代码实现-------------------------------------------------25 第三节编程时的问题解决-------------------------------------------------------------------26 第五章结构设计-------------------------------------------------------------------------------28 第六章测试-------------------------------------------------------------------------------------35 第一节测试方案选择的原则----------------------------------------------------------------35 第二节测试方案-------------------------------------------------------------------------------36 结束语----------------------------------------------------------------------------------------------------------37 致谢参考文献摘要人脸识别因其在安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互、系统公安(罪犯识别等)等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点。
人脸识别毕业设计论文
人脸识别毕业设计论文人脸识别毕业设计论文人脸识别技术是一种通过计算机对人脸图像进行分析和识别的技术。
随着科技的不断进步，人脸识别技术在各个领域得到了广泛的应用，如安全监控、人脸支付、智能手机解锁等。
本文将探讨人脸识别技术的原理、应用以及未来发展方向。
一、人脸识别技术的原理人脸识别技术的原理主要包括人脸检测、人脸特征提取和人脸匹配三个步骤。
首先，系统需要通过摄像头等设备检测到人脸区域，并将其与背景进行分离。
然后，通过特征提取算法，将人脸图像转化为数字特征向量，以便后续的比对。
最后，通过与数据库中的特征向量进行匹配，确定输入人脸的身份。
二、人脸识别技术的应用1. 安全监控领域人脸识别技术在安全监控领域发挥着重要作用。
传统的监控摄像头只能提供实时影像，但无法对监控区域进行有效的识别和分析。
而引入人脸识别技术后，监控系统可以自动识别出陌生人、犯罪嫌疑人等，并及时报警。
这种技术的应用可以大大提高安全监控的效率和准确性。
2. 人脸支付领域随着移动支付的普及，人脸支付成为一种便捷的支付方式。
通过人脸识别技术，用户可以在手机上进行人脸扫描，完成支付过程。
相比传统的密码支付方式，人脸支付更加安全和便利，无需记忆复杂的密码，同时也减少了密码被盗用的风险。
3. 智能手机解锁领域人脸识别技术也广泛应用于智能手机解锁。
用户只需将手机对准自己的脸部，系统便可通过人脸识别技术判断是否解锁。
相比传统的密码解锁方式，人脸解锁更加方便快捷，同时也提高了手机的安全性。
三、人脸识别技术的挑战与未来发展虽然人脸识别技术在各个领域取得了显著的应用效果，但仍然存在一些挑战。
首先，光线、角度、表情等因素对人脸识别的准确性有一定影响，需要进一步改进算法以提高识别率。
其次，隐私问题也是人脸识别技术面临的一大挑战。
人脸图像的采集和存储可能涉及个人隐私，需要加强数据保护和合规管理。
未来，人脸识别技术仍有很大的发展空间。
一方面，随着硬件设备的不断升级，如高清摄像头、深度摄像头等，人脸图像的采集质量将得到提高，进而提高人脸识别的准确性。
【毕业论文】基于人工神经网络的人脸识别方法研究
2.1 生物识别技术 .................................................................................................... 7
2.1.1 生物识别的定义 .....................................................................................................7 2.1.2 生物识别技术 ........................................................................................................7
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
人脸识别论文（基于特征脸）学生姓名：陈立学号： 20107977 专业年级： 10级计算机科学与技术一班摘要生物特征识别技术使用了人体本身所固有的生物特征，与传统的身份识别方法完全不同，具有更高的安全性、可靠性、和有效性，越来越受到人们的重视。
人脸识别技术作为生物特征识别技术的重要组成部分，在近三十年里得到了广泛的关注和研究，已经成为计算机视觉、模式识别领域的研究热点。
人脸识别在公共安全、证件验证、门禁系统、视频监视等领域中都有着广泛的应用前景。
本文是在人脸数据库的基础上做人脸特征提取和识别研究，主要内容如下：（1）对人脸识别研究的内容、相关技术、主要实现方法及发展历程作了详细介绍。
（2）介绍主成分分析法(PCA)、K-L变换，并利用特征脸方法实现了人脸识别。
（3）给出了基于matlab环境的编程及实验结果，并对结果进行分析。
关键词：人脸识别，特征脸，K-L变换，主成分分析第一章人脸识别概述1.1 生物特征识别技术生物特征识别技术是通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定。
生理特征与生俱来多为先天性的;行为特征则是习惯使然，多是后天性的。
我们将生理和行为特征统称为生物特征。
常用的生物特征包括:指纹、掌纹、虹膜、视网膜、脸像、声音、笔迹等。
那么，生物特征识别技术是如何进行个人特征识别的呢?生物鉴别的过程分成三个步骤:生物特征数据采样，生物特征提取和特征匹配。
数据采样过程是通过各种传感器对生物特征进行原始数据采集的过程，生物特征提取过程则从传感器采集的数据中抽取出反映个体特性的信息(通常是某种数学上的编码过程)，匹配阶段则是计算生物特征之间的相似性并进行排序和一致性判断的过程。
生物特征识别技术主要有人脸识别、指纹识别、语音识别、虹膜识别等。
生物识别技术在上个世纪己经有了一定的发展，其中指纹识别技术己经趋近成熟，但人脸识别技术的研究目前还处于起步阶段。
指纹、虹膜、掌纹等识别技术都需要被识别者的配合，有的识别技术还需要添置复杂昂贵的设备。
人脸识别则可以用已有的照片或是摄像头远距离捕捉图像，无须特殊的采集设备，系统的成本低。
并且自动人脸识别可以在当事人毫无察觉的情况下即完成身份确认识别工作，这对反恐怖活动等有非常重大的意义。
由于人脸识别技术具有如此之多的优势，因此它的应用前景非常广阔，已成为最具潜力的生物特征识别技术之一。
1.2 人脸识别技术所谓人脸识别，是指对输入的人脸图像或者视频，判断其中是否存在人脸，如果存在人脸，则进一步给出每张人脸的位置、大小和各个面部主要器官的位置信息，并且依据这些信息，进一步提取每张人脸蕴含的身份特征，并将其与已知人脸库中的人脸进行对比，从而识别每张人脸的身份。
其研究内容包括以下五个方面：（1）人脸检测从不同的背景中检测是否存在人脸，并确定其位置、大小、形状、姿态等信息的过程。
它关系到后续识别工作能否正确进行，并保障最终识别结果的可靠性。
（2）人脸表征确定表示检测出的人脸和数据库中的已知人脸的描述方式。
通常的表示方式包括几何特征（如欧氏距离、曲率、角度等）、代数特征（如矩阵的特征矢量）和固定特征模板等。
（3）人脸鉴别即狭义的人脸识别，就是通常所指的将待识别的人脸与数据库中的已知人脸进行比较，得出相关信息。
这一过程的核心是选择适当的人脸表示方式和匹配策略，系统地构造与人脸的表征方式密切相关。
（4）表情/姿态分析即对待识别人脸的表情或姿态进行分析，并对其加以归类。
（5）生理分类对待识别人脸的物理特征进行分类，得出其年龄、性别、种族等相关信息，或从几幅相关的图像中推导出希望得到的人脸图像，如从父母的脸推导出孩子的脸像等。
本论文中的人脸识别主要是指狭义的人脸识别，指将待识别的人脸与数据库中的已知人脸之间进行匹配的人脸鉴别。
人脸识别的目的是让计算机具有通过人脸的特征来鉴别身份的功能。
基于人脸特征的身份识别主要设计到复杂场景中的人脸检测及识别技术，是一种依托于图像理解、模式识别及计算机视觉、统计学和人工智能等高技术的研究方向。
1.3 人脸识别的研究背景及意义在人类社会的发展进入到21世纪的今天，安全问题已经成为困扰人们日常生活的重要问题之一。
社会的发展促进了人的流动性，进而也增加了社会的不稳定性，使得安全方面的需求成为21世纪引起广泛关注的问题。
不论是享受各项服务如网上冲浪、还是居家、办公等都涉及到安全，以往这些行为基本上是通过符号密码来进行安全保护，但是随着服务数量的不断增加，密码越来越多以致无法全部记住，而且密码有时也会被他人所窃取，各种密码被破解的概率越来越高，因为通常由于记忆的原因，人们经常会选用自己或亲人的生日、家庭地址、电话号码等作为密码并长期使用，这些很容易被一些不法分子获取。
可见在现代社会中，身份识别已经成为人们日常生活中经常遇到的一个基本问题。
人们乎时时刻刻都需要鉴别别人的身份和证明自己的身份，以获得对特定资源的使用权或者制权，同时防止这些权限被他人随意的取得。
传统的身份识别方法主要基于身份标识物(如证件、卡片)和身份标识知识(如用户名、密码)来识别身份，这在很长一段时期是非常可靠和方便的识别方法，得到了广泛的应用。
但是，随着网络、通信、交通等技的飞速发展，人们活动的现实空间和虚拟空间不断扩大，需要身份认证的场合也变得无不在。
人们需要携带的身份标识物品越来越多，身份标识知识也变得越来越复杂和冗长在这种情况下，传统身份识别方式的弊端日益彰显。
身份标识物品容易被丢失和伪造，份标识知识容易被遗忘、窃取和破解，而身份标识的重要性又使得一旦失去了身份标识会给标识的所有者甚至整个社会带来重大的甚至难以弥补的损失。
在美国，每年约有上百万的福利款被人以假冒的身份领取;每年发生的信用卡、ATM、移动电话和冒领支票等成的损失达数百亿美元[2]。
面临着这样的状况，人们对身份识别的安全性、可靠性、准确和实用性提出了更高的要求，必须寻求身份识别的新途径。
于是，近年来人类生物特征越来越广泛地用于身份识别，而且生物特征可以更好的进行安全控制，世界各国政府都在大力推进生物识别技术的发展及应用。
与原有的人类身分识别技术(如:个人密码、磁卡、智能卡等)相比，基于人类生物特征的识别技术具有安全可靠、特征唯一、不易伪造、不可窃取等优点。
人类本身具有很多相对独特的特征，如DNA、指纹、虹膜、语音、人脸等。
基于这些相对独特的人类特征，结合计算机技术，发展起众多的基于人类生物特征的人类身份识别技术，如DNA识别技术、指纹识别技术、虹膜识别技术、语音识别技术、人脸识别技术。
人脸识别和其他的生物识别比起来有以下几个优点:1、其他的生物特征识别方法都需要一些人为的行为配合，而人脸识别不需要。
2、人脸识别可应用在远距离监控中。
3、针一对现在的第一、二代身份证，每个身份证都有人脸的正面照片，也就是人脸库将是最完善的，包括人最多的，我们可以利用这个库来更直观、更方便的核查该人的身份。
4、相对于其他基于生物特征识别技术，人脸识别技术具有特征录入方一便，信息丰富，使用面广等优点，同时人脸识别系统更加直接友好。
人脸识别技术作为生物识别技术的一种，以其特有的稳足性、方便性、唯一性等特点被愈来愈多地应用于除安全问题外的各种身份识别领域。
人脸识别技术可应用于以下方面：1.在安全防范领域中的应用社会上有许多重要的部门，如军事、金融、保密等部门都需要对出入人员进行身份识别，以防止信息泄漏和不法现象的发生。
使用该技术可以方便地进行身份识别，而不使被识别者感到不舒服。
2.在犯罪刑侦领域中的应用在刑侦工作中，对罪犯的抓捕是至关重要的一环。
应用人脸识别技术可以依据犯罪嫌疑人的人脸图像对机场、车站、港口等重要交通场所进行监控，从而大大促进了罪犯抓捕工作的开展。
3.在公共事业领域中的应用。
在现代社会，许多领域都需要对人进行身份验证。
如银行、保险、交通等公共事业部门。
采用传统的密码、IC卡等手段和技术对人进行身份验证具有安全性差、易遗失、易伪造等缺点。
而采用人脸识别技术进行身份验证则能够很好地克服传统身份验证手段和技术的缺点。
此外，人脸识别的研究还具有重要的理论研究价值。
由于人脸模式的特殊性，人脸识别的研究涉及图像处理、模式识别、计算机视觉、神经网络、认知科学、生理学、心理学等多个学科领域，因此对人脸识别的深入研究能够推动这些基础研究的发展。
1.4 人脸识别理论的发展人脸识别的理论发展大致可以分为三个阶段：第一阶段，以Bertillon,Allen和Parke为代表，主要研究人脸识别所需要的面部特征。
在Berliton的系统中，用一个简单的语句与数据库中某一张脸相联系同时与指纹分析相结合，提供了一个较强的识别系统。
为了提高脸部识别率，Allen为待识别脸设计了一种有效和逼真的摹写，Parke则利用计算机实现了这一想法，并产生了较高质量的人脸灰度模型。
这一阶段工作的特点是识别过程全部依赖于工作人员，显然这不是一种可以完成自动识别的系统。
第二阶段，是人机交互式识别阶段。
代表性工作有：Goldstion,Harmon和Lesk 用几何参数来表示人脸正面图像。
他们采用21维特征向量来表示人脸面部特征，并设计了这一特征表示法的识别系统。
Kaya和Kobayashi则采用了统计识别方法，用欧氏距离来表征人脸特征，如嘴唇和鼻之间的距离、嘴唇的高度等。
更进一步地，T.Kanad设计了一个高速且有一定知识引导的半自动回溯系统，创造性地运用积分投影法，从单幅图像上计算出一组脸部特征参数，再利用模式分类技术与标准人脸相匹配。
Kanad的系统实现了快速、实时的处理，是一个很大的进步。
相比之下，Baron 所做的工作少为人所知，他先将图像灰度归一，再利用四个掩膜（眼、鼻、嘴以及眉毛以下的整个脸部）表示人脸，然后分别计算四个掩膜与数据库中每幅标准图像的相应掩膜之间的互相关系数，以此作为判别依据。
总的来说，这两个阶段主要是在20世纪60年代到90年代，这段时间的人脸识别一般都需要人的某些先验知识，无法摆脱人的干预。
早期的人脸识别方法有两大特点：（1）大多数识别方法都是基于部件的，他们利用人脸的几何特征进行识别，提取的信息是人脸主要器官特征信息及其之间的几何关系。
这类方法比较简单，但是很容易丢失人脸的有用信息，从而在视角、表情等变化的情况下，识别能力差。
鉴于这种情况，后来出现了性能较优的模板匹配方法，即根据图像库中的人脸模板与待识别人脸模板在灰度上的相似程度来实现人脸识别，这类方法在一定时期内占据主流。
（2）人脸识别研究主要是在较强约束下的人脸图像识别。
假设图像背景单一或者无背景，人脸图像已知或者很容易获得，因此对现实场景产生的图像处理效果不佳。
第三阶段，主要是进入20世纪90年代，由于高速度性能计算机的出现和各方面对人脸识别系统的迫切要求，人脸识别的研究重新变的热门起来，人脸识别的方法也有了重大突破，进入了真正的机器自动识别阶段，同时涌现了很多著名的人脸识别算法，例如麻省理工学院米提实验室的Turk和Pentland在1991年提出的“Eigenface（特征脸）”方法，Belhumeur等在1997年提出的Fisherface方法是这个时期的两个重要成果，还有好多方法都是基于这两个方法的深入研究。