特征采集

目前大多数人脸识别系统都是二维的，录像监控系统一般只有二维的。如果撤换现有的二维录像监控设施，费用是非常昂贵的，所以人们现在都试图改良二维人脸识别系统。二维人脸识别系统的缺点是，把一张合法者的照片放在相机前，就能骗过系统，如果使用旧系统，甚至不要求高质量的照片，普通激光打印机打印的照片就能蒙混过关。现在二维技术也已经改进了，这样的骗术也不容易得逞了。

二维人脸识别中的问题是人脸照片的校准和光线条件。不同的光线条件会导致人脸识别出现很大的问题。

与二维人脸识别系统不同，三维人脸识别系统通过人脸的形态进行识别，人脸的深度和表面信息使识别精确度大大提高。与二维识别相比，三维识别最大的优点是：人脸的形态不受光线条件和定位的影响；缺点是复杂性提高，并且采集设备的价格较为昂贵。此外，三维物体探测会产生必然的缺陷：物体被遮掩的部分采集不到，会在表面形成“孔洞”，但有的孔洞可以通过专门的算法去除。

三维人脸识别可以使用下列采集法：

·激光扫描：用激光扫描仪扫描人脸，可以产生圆柱形的头部表征。

·编码的结构光：如果不用立体光学系统，就可以用结构光，也就是用红外线把一个网格投射到人脸上，通过人脸所接受和反射的网格线条的变形把人脸表面结构计算出来。

·立体光学系统：用两个或多个相机生成“三维人脸信息”，相机需要校准，根据两个或多个图像算出一个3D图像。

人脸识别

人脸识别的第一步是，从视频或图像中找到人脸，进行定位，然后将人脸从图像背景中分离出来，以便随后进行识别。如果图片角度、大小和光线条件有所变化，定位就会出现问题，人脸识别方法可以分为两种：

1．几何特征识别：几何特征识别就是根据人脸上的单个特征进行识别，比如眼睛、鼻子、嘴、嘴角以及它们彼此间的几何距离。如果能在人脸上找到明确的特征点，比如眼睛、脸部轮廓、鼻子和嘴，这对人脸识别算法是很有好处的。但是必须明白，如果眼睛闭着，有时是无法定位的。现有的系统不是很精细，从文献资料中我们可以看到，几何特征识别法得出的结果是不够的，我们最好把它当成整体识别法的辅助手段，用以改善选择性。

2．整体识别：整体识别法又可以分为局部识别法和总体识别法，这里的人脸或者是一个整体，或者是一系列局部表征，整体比较法把整个人脸作为原始数据进行输入。其中一种经常使用的方法是“特征人脸”，在组成部分的基础上进行识别。

在实践中常常将以上两种方法结合起来，也被称为杂交法，这样可以提高识别的精确度和坚固性。

特征人脸

这个方法的原则是，从一个均匀的基础人脸系列——所谓的“特征人脸”——近似地计算出一个人脸图像，所计算出的人脸特征向量代表着一系列的特征，它们描述了人脸之间的变化，这些人脸便被称为“特征人脸”，“特征人脸”是通过“主要成分分析”从许许多多的例图中获得的。与“特征人脸”的比较可以看成是在参考人脸图像系数和样品人脸图像系数之间产生一个标量。这种方法的优点是对光线条件和表情不敏感，但如果人脸的大小、视角不同，就会出现问题。类似的方法还有“Fischerfaces”和“Distance-From-Feature Space”。

模板比对

弹性图比对