人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。

基于知识的表征方法主要是根据人脸的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。

人脸识别的优势在于其自然性和不被被测个体察觉的特点。人脸面部识别技术

所谓自然性，是指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有虹膜识别

语音识别、体形识别等，而***识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。

人脸识别系统包括三个一部分： (1)人脸检验 外貌检验就是指在动态性的情景与繁杂的背景图中判断是不是存有面像，并分离出来出这类面像。一般有以下几类方法： ①参照模板法 设计方案一个或多个规范人脸的模板，随后测算检测收集的样品与规范模板中间的配对水平，并根据阀值来判断是不是存有人脸； ②人脸标准法 因为人脸具备一定的构造遍布特点，说白了人脸标准的方法即获取这种特点转化成相对的标准以判断检测样品是不是包括人脸； ③样品学习方法 这类方法即选用系统识别中***网络算法的方法，即根据对面像样品集和非面像样品集的学习培训造成分类器； ④皮肤颜色模型法 这类方法是根据外貌皮肤颜色在色彩空间中遍布相对性集中化的规律性来开展检验。 ⑤特点子脸法 这类方法是将全部面像结合视作一个面像子空间，并根据检验样品两者之间在子孔间的投射中间的间距判断是不是存有面像。 该明确提出的是，所述5种方法在具体监测系统中也可综合性选用。

人脸识别开发工作的几个步骤：人脸图像采集及检测，检测 :图像中准确标定出人脸的位置和大小 , 人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及哈尔特征等，人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。人脸图像预处理，基于人脸检测的结果，对图像进行处理，为后面的特征提取服务，系统获取的人脸图像可能受到各种条件的限制和随机干扰，需要进行缩放、旋转、拉伸、光线补偿、灰度变换、直方图均衡化、规范化、几何校正、过滤以及锐化等图像预处理。人脸图像特征提取，就是将人脸图像信息数字化，将一张人脸图像转变为的一串数字(一般称为特征向量)。例如，对一张脸，找到它的眼睛左边、嘴唇右边、鼻子、下巴等位置，利用特征点间的欧氏距离、曲率和角度等提取出特征分量，终把相关的特征连接成一个长的特征向量。