但在计算机的世界里，只有0和1，想要通过辨识矩阵内容并将结果输出，就必须建立矩阵到结果的映射。这样，输入一张图片，经过处理和计算后，才能输出一个数字。在找出所有的人脸后，就需要鉴别面朝不同方向的人脸，对于电脑而言朝向不同方向的人脸是不一样的。生物识别技术是一种通过人类的生物特征进行身份认证的技术，目前手形识别、***识别、人脸识别、发音识别、虹膜识别等生物识别技术的发展已经相对成熟。

这一过程叫做监督学习下的训练。由清晰的人脸照转化出的象素值矩阵，应当设计出什么样的函数f(x)转化为特征值呢？近几年，传统的身份鉴别技术已经不足以满足人们的需求，在这种情况下，人脸识别技术脱颖而出，无论在科研方面还是在实践应用方面，人脸识别系统都取得了重大的突破，并且在各行各业也扮演着越来越重要的角色。接下来，就是电脑主动去区分不同的人脸，人类能够通过眼睛大小、鼻子高低、肤色等外部形态轻松地分辨不同的两张人脸，利用电脑分辨人脸，就需要对图像进行量化，得到脸部的 128 个特征测量值，进一步计算出欧式距离值，终即可确定你是不是你。

在灰度图像中，一个像素使用8个比特位，从而可以表示256个灰度阶，表围是0-255。其中0代表纯黑色，255代表纯白色。举个例子，更容易理解一些。比如，计算机内部已经存放了包含数字1和7以及它们所对应的灰度矩阵。当新输入一张图像后，程序会自动计算它的矩阵与这些矩阵的相似度。这样我们就解决了图像的表示问题，建立了图像和矩阵的等价关系。图片可以转化为矩阵，通过矩阵也可以***原始图片。

这个问题的依赖于分类问题。即，先不谈特征值，首先如何把照片集合按人正确的分类？这里就要先谈谈机器学习。可以从有限的训练集样本中把算法很好的泛化。所以，我们先找到有限的训练集，设计好初始函数f(x;w)，并已经量化好了训练集中x->y。对图像中的人脸信息进行***与提取；对不同的人脸信息进行分类处理，并将信息传递给人脸识别系统；对比人脸特***息相似度，并确认身份。