一个字节可以表示一个像素，那怎么表示一张图片呢，用矩阵进行表示。简单来说，就是表格，比如可以使用8行8列来表示一张8*8的灰度图片。为此，我们必须适当地调整图片中的人脸，使得脸部的特征点能更好的和被检测者重叠。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。

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。为此，我们必须适当地调整图片中的人脸，使得脸部的特征点能更好的和被检测者重叠。随着计算机技术的发展，人脸识别技术得到广泛研究与开发，成为近 30 年里模式识别和凸图像处理热门的研究之一。

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。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。为此，我们必须适当地调整图片中的人脸，使得脸部的特征点能更好的和被检测者重叠。

通过矩阵表示图像后，图像的各种处理就转化为数学问题，可以使用数学的理论和方法进行解决，而这正是计算机所擅长的。人脸识别主要分为确认和辨认两部分，确认就是将人脸图像和数据库中已经存有的人脸图像进行比对，之后确认你是不是你，而辨认是将人脸图像与数据库中已存有的所有人脸图像进行匹配对比，从而辨认出你是谁。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。