方法

要求

优点

缺点

基于几何特征GFA

寻找人脸不会改变的特征 或属性

方法简单， 识别速度快

对图像质量、光照、 背景要求高

基于代数特征 (主成分分析法PCA)

将人脸图像看成以像素点灰度为 元素的矩阵，选择一定距离的 函数进行识别

原理简单， 识别效果好

受光照、旋转、 背景影响大，准确率不高

弹性图匹配法 EGM

用特征描述面部关键局特征点的 局部特征，并采用这些特征的 连接关系属性图描述人脸结构

在一定程度上容忍人脸从 三维到二维投影引起的变形

识别速度慢，计算量大

基于连接机制 (神经网络ANN)

基于神经网络技术进行人脸 特征提取和识别

通过大量简单神经元互联， 识别效果好，尤其是正面 人脸图像

训练过程复杂，对多姿态的人脸图像容错率较低

基于三维数据

采集人脸三维形状信息， 从中提取人脸面部特征

是人脸识别发展的新思路

信息提取困难，需要大量 数据存储和计算量

隐马尔可夫模型法HMM

使用马尔可夫链模拟信号统计 特性的一组统计模型

稳定性好，对姿态和环境的 变化具有较好的鲁棒性

可能出现目标函数和预测目标函数不匹配等问题