人脸识别当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中地辨认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。

人脸特征不管是传统的机器识别，还是近几年大火的深度学习，都是将人类的学习能力通过计算机的计算能力得到表达和迁移。仔细想想，当我们将注意力集中在脸部，会怎么样描述一个人。可能的描述会是：人天生就有很强的抽象和学习能力。当我们面对一张人脸照片时，会自动进行特征处理和变换。当再次面对这张照片时，即使脸部特征有所变形或者缺失，也不影响我们的识别。

这背后有数学理论的支撑，我们一般用梯度来描述变化快慢。在图像中的灰度变化既有方向也有大小，就可以使用图像梯度来描述这种变化，进而可以检测出图像的边缘。在数学上，梯度既有大小，又有方向，并且需要要有一定的条件，比如可导等。在图像中一般会简化处理，使用算子进行代替。算子其实也是一种滤波，但使用算子更强调其数学含义和特定用途。目前常用的边缘检测算子，包括Sobel，Laplacian算子和Canny等。我们简单描述下Canny边缘检测。