点击图片查看原图
人脸识别技术是利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。该技术基于人的脸部特征，对输入的人脸图像或者视频流，首先判断其是否存在人脸，如果存在人脸，则进一步给出每个脸的位置、大小和各个主要面部器官的位置信息，并依据这此信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别指通过人脸进行身份确认或者身份查找的技术或系统。
人脸识别技术的各类很多，主要的人脸识别技术有以下几种:1、几何特征的人脸识别技术；2、特征脸（PCA)的人脸识别技术；3、神经网络的人脸识别技术；4、弹性图匹配的人脸识别技术；5、线段距离的人脸识别技术；6、支持向量机的人脸识别技术。
此外，传统的人脸识别技术主要是基于可见光图像的视频人脸识别技术，这也是人们最熟悉的识别方式，已经有30多年的研发历史。人脸识别系统的研究涉及模式识别、图像处理、生理学、心理学、认知科学等多种学科，与基于其他生物特征的身份鉴别方法以及计算机人机感知交互领域都有密切联系。
人脸识别门禁考勤机识别技术的种类很多，主要的人脸识别技术有以下几种
:1、几何特征的人脸识别技术:几何特征可以是眼、鼻、嘴等形状和它们之间的几何关系（如相互之间的距离）。这些算法识别速度快，需要的内存小，但识别率较低。
2、特征脸（PCA）的人脸识别技术:特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些正交基可以组成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。目前有一些改进型的特征脸方法。
3、神经网络的人脸识别技术:神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。
