本文主要使用MATLAB上数字图像处理功能，对待识别的图像进行读图、存储和识别。MATLAB中带有有关数字图像处理的应用工具箱，可以实现人脸的简单特征识别与辨识，进而应用到人脸识别系统。本文主要采用基于主元分析（PCA）（也称为主成分分析）的人脸识别算法，抓住事物的主要方面分析，利用降维原理，进行人脸特征的提取、辨识。最后通过真人的人脸检测与辨识，取到一定的成果。
人脸识别系统的组成
人脸识别技术是众多生物识别技术中的典范。如同人体的DNA、指纹等生物特征，这些特征都有着自己的特点，可以作为“身份证”来标记或辨识某个个体。
1、人脸图像的获取
本文主要使用两种方法来获取人脸图像。第一种方法使用数码照相机来采集图像信息，并使用MATLAB图像处理工具箱来获取数字图像，此种方法简单、便捷，是最为常用的一种获取人脸的方法。第二种方法则直接调用MATLAB视频工具箱函数，通过调用与控制安装在电脑上的摄像头或者安装在监控区域的摄像头，来实现人脸图像的获取。
2、人脸特征的检测
人脸特征的检测是从已知的静态图像中，或者从计算机读取的视频中所截取的静态图像中，基于人脸特征算法，判断该静态图像中是否存在具有人脸特征的图像。若在待检测的静态图像中已经检测出具有人脸特征的图像，再调用边缘算法，将所识别出的具有人脸特征的图像或部位圈出，即把人脸从它的背景中分离出来，并进行定位。
3、人脸特征的提取
通过人脸图像的获取与人脸特征的检测这两个过程，可以根据边缘检测算法对已获得的人脸特征数据（眼睛、鼻子、嘴巴、眉毛等）进行坐标标定与数字编码，成为具有人脸数据特征的总集合。这些特征包含局部特征和整体特征。从总集合中能够提取人脸特征，并形成独立的人脸特征子集。在特征提取前，要先对其进行几何归一化以及灰度归一化处理。所谓几何归一化是指，以人脸定位的结果为依据，对画面中的人脸进行移动和放缩，使待测的人脸图像和人脸数据库中已知的人脸图像有相同的大小和位置，以便于比对。所谓灰度归一化，是指对图像补偿一定的光照，目的是减小光线强弱的改变所带来的误差干扰，使辨识的精准度提高。
4、人脸特征的识别
人脸特征的识别与身份标识（Face Identification）,简称人脸识别问题。在经过人脸图像的获取、特征的检测以及特征的提取等过程后，就可以创建自己独有的人脸识别的总集合。包含于总集合中的每个子集都具备独立的特征以及相应的数字编码，提取出待检测的人脸特征之后，即可进行人脸的特征匹配与识别，并计算相似度得分，并将相似度得分由大到小进行排序，确定待测图像是已知图像库中的“谁”，便可以实现在安防、安检、公安、国防等部门的“身份标识”功能。它包含两种识别：第一种识别是假定系统输入的人脸在人脸库中已知存在，称为闭集人脸识别。第二种是不确定输入的人脸在人脸库中是否存在，要先进行判断，称为开集人脸识别。
5、对比人脸图像的身份验证
对比人脸图像的身份验证（Face Verification），简称人脸确认问题（Face Verification）。我们在将待检测的人脸图像输入到系统中时，还要将该用户自称的身份信息也输入到系统中，来判定系统检验出的身份与该用户自称的身份是否一致，身份是否属实。
在自动人脸识别系统中，最重要的两个过程就是人脸特征的检测和人脸特征的识别。
随着当今社会科技的不断进步，生物技术日益成熟，人脸特征的识别与身份标识技术也渐渐走在了生物识别技术的前列。
