其实机器本来并不擅长识别图像，比如这张图片在机器眼里只是一串0和1组成的数据，机器并不能理解这个图像有什么含义。所以想让机器学会认识图像，就需要我们给它编写程序算法。
当我们描述一个人的长相的时候，大多会用到类似这样的词汇，比如瓜子脸、柳叶眼、蒜头鼻、樱桃嘴。所谓长相很大程度上取决于人脑袋和五官的形状。
最早的人脸识别就是采用这样的方法。首先机器会在图像中识别出脸所在的位置，然后描绘出这张脸上的五官的轮廓，获得人脸上五官的形状和位置信息。比如两个眼睛之间的距离，鼻尖嘴角连线在水平方向上的角度等等。
面部识别软件可归入名为生物识别的一大类技术。生物识别技术使用生物信息来验证身份。生物识别背后的理论是：我们的身体包含一些独一无二的特征，可以使用它们将我们与他人区分开。除了面部识别之外，生物识别身份验证方法还包括：
指纹扫描
视网膜扫描
语音识别
面部识别方法有多种，但是通常涉及捕获、分析和对比等一系列步骤，将你的面孔与数据库中存储的图像进行对比。以下是FaceIt 系统用于捕获和对比图像的基本过程：
为了确定某人的身份，面部识别软件将新近捕获的图像与数据库中存储的图像进行对比。
检测——当系统连接到视频监视系统后，识别软件会在摄影机的视野中搜寻面部信息。如果在视野中存在一张面孔，它会在几分之一秒的时间内检测到它。它使用多尺度算法以低分辨率搜索面部图像。（算法是提供一组指令以完成特定任务的一个程序）。系统只有在检测到类似头部的形状后，才切换到高分辨率搜索。
对齐——一旦检测到面部图像，系统会确定头部的位置、大小和姿态。只有在面部与摄像机至少成35度角的情况下，系统才会记录它。
标准化——头部图像经过缩放和旋转，以便能记录和映射到相应的大小和姿态。无论头部的位置如何以及相距摄像机的距离有多远，都可以执行标准化过程。光线不会对标准化过程产生影响。
表示——系统将面部数据转换成一个唯一的代码。通过编码，可以更加容易地将新近捕获的面部数据与存储的面部数据进行比较。
匹配——将新捕获的面部数据与存储的数据进行对比，并（在理想情况下）链接到至少一个已存储的面部图像。
FaceIt 面部识别系统的核心是局部特征分析（LFA）算法。这是系统在对面孔进行编码时使用的数学技术。系统对面孔进行测量，并生成一个面纹，即面部的唯一数字代码。在存储了面纹之后，系统会将它与数据库中存储的成千或成百万的面纹数据进行对比。每个面纹都存储为一个84字节的文件。
面部识别系统通过使用面部识别软件，警察可以缩放摄像机画面并拍摄某个面孔。
系统可以用每分钟6000万张面孔的速度对内存中的面纹数据进行匹配，对于硬盘中的面纹数据，每分钟可以匹配1500万张面孔。在进行对比时，系统会用介于1到10之间的一个值来表示对比结果。如果该值大于预先定义的阈值，则宣布找到一个匹配结果。然后，操作人员可以查看被宣布为匹配项的两张照片，确定计算机的工作是否准确。
与其他生物识别技术一样，面部识别被认为是一种会在不远的将来得到广泛使用的技术。在下一节中，我们将介绍它现在的使用情况。FaceIt这样的面部识别软件的主要用户一直是一些执法机构，它们使用这些系统在拥挤的人群中捕获随机出现的面孔。然后，将这些面孔与数据库中犯罪分子的照片进行对比。除了进行执法和安全监视之外，面部识别软件还有其他几个用途，包括：
消除投票欺诈
取款身份验证
计算机安全
面部识别软件可归入名为生物识别的一大类技术。生物识别技术使用生物信息来验证身份。生物识别背后的理论是：我们的身体包含一些独一无二的特征，可以使用它们将我们与他人区分开。除了面部识别之外，生物识别身份验证方法还包括：
指纹扫描
视网膜扫描
语音识别
面部识别方法有多种，但是通常涉及捕获、分析和对比等一系列步骤，将你的面孔与数据库中存储的图像进行对比。以下是FaceIt 系统用于捕获和对比图像的基本过程：
为了确定某人的身份，面部识别软件将新近捕获的图像与数据库中存储的图像进行对比。
检测——当系统连接到视频监视系统后，识别软件会在摄影机的视野中搜寻面部信息。如果在视野中存在一张面孔，它会在几分之一秒的时间内检测到它。它使用多尺度算法以低分辨率搜索面部图像。（算法是提供一组指令以完成特定任务的一个程序）。系统只有在检测到类似头部的形状后，才切换到高分辨率搜索。
对齐——一旦检测到面部图像，系统会确定头部的位置、大小和姿态。只有在面部与摄像机至少成35度角的情况下，系统才会记录它。
标准化——头部图像经过缩放和旋转，以便能记录和映射到相应的大小和姿态。无论头部的位置如何以及相距摄像机的距离有多远，都可以执行标准化过程。光线不会对标准化过程产生影响。
表示——系统将面部数据转换成一个唯一的代码。通过编码，可以更加容易地将新近捕获的面部数据与存储的面部数据进行比较。
匹配——将新捕获的面部数据与存储的数据进行对比，并（在理想情况下）链接到至少一个已存储的面部图像。
FaceIt 面部识别系统的核心是局部特征分析（LFA）算法。这是系统在对面孔进行编码时使用的数学技术。系统对面孔进行测量，并生成一个面纹，即面部的唯一数字代码。在存储了面纹之后，系统会将它与数据库中存储的成千或成百万的面纹数据进行对比。每个面纹都存储为一个84字节的文件。
面部识别系统通过使用面部识别软件，警察可以缩放摄像机画面并拍摄某个面孔。
系统可以用每分钟6000万张面孔的速度对内存中的面纹数据进行匹配，对于硬盘中的面纹数据，每分钟可以匹配1500万张面孔。在进行对比时，系统会用介于1到10之间的一个值来表示对比结果。如果该值大于预先定义的阈值，则宣布找到一个匹配结果。然后，操作人员可以查看被宣布为匹配项的两张照片，确定计算机的工作是否准确。
与其他生物识别技术一样，面部识别被认为是一种会在不远的将来得到广泛使用的技术。在下一节中，我们将介绍它现在的使用情况。FaceIt这样的面部识别软件的主要用户一直是一些执法机构，它们使用这些系统在拥挤的人群中捕获随机出现的面孔。然后，将这些面孔与数据库中犯罪分子的照片进行对比。
除了进行执法和安全监视之外，面部识别软件还有其他几个用途，包括：
消除投票欺诈
取款身份验证
计算机安全