人臉比對技術，常常用于人臉檢索、智能門禁、失蹤人口的全庫排查、公安系統(tǒng)的人臉檢索等，以此相似度列出相應的結果，可以大大提高檢索效率。

目前市面上常見的人臉比對技術流程大抵可分為三步，首先是人臉圖像預處理，其次是人臉特征提取，最后是人臉相似度對比。

人臉特征提取檢測方法也可以分為三類，即膚色模型的檢測，邊緣特征的檢測和統(tǒng)計理論方法。 

人臉比對是指將提取的多方面人臉特征與數(shù)據(jù)庫中儲存的特征模板進行搜索匹配，通過設定一個閾值，將相似度與這一閾值進行比較，最后對相似的人臉的身份信息進行置信度評分和判斷。人臉比對的方法包括應用幾何特征的方法、應用模板的方法和應用模型的方法。其中幾何特征是最傳統(tǒng)的人臉比對方法，常常需要和其他算法結合才能有更好的效果；應用模板的方法又分為相關模板匹配、特征臉方法以及動態(tài)連接匹配等；而應用模型的方法包括隱馬爾柯夫模型，主動形狀模型和主動外觀模型的方法等。

1、幾何特征法

   人的正臉由眼睛、眉毛、鼻子、嘴巴（包括牙齒和舌頭）、下巴等部位構成，正因為這些部件的形狀、大小和結構上的各種差異才使得世界上每個人臉千差萬別，因此對這些部件的形狀和結構關系的幾何描述，可以做為人臉識別的重要特征。幾何特征這些方法簡單直觀，識別速度快，需要的內(nèi)存小，但是一旦人臉的表情和姿態(tài)發(fā)生變化，會嚴重影響到比對精度。

線結構光測量原理圖

2、模板法

 （1）模板匹配法：模板匹配就是在整個圖像區(qū)域發(fā)現(xiàn)與給定子圖像匹配的最小區(qū)域。將模板和重疊區(qū)域進行比較，通過滑動人臉圖像尋找圖像中和模板圖像最匹配的部分實現(xiàn)模板人臉比對。

（2）特征臉方法：是指人臉識別問題中的一組特征向量。特征臉通過PCA(principal components analysis)方法獲得，PCA 是最常用的線性降維方法，即將高維的人臉特征映射到低維的空間中表示，并讓該維度的數(shù)據(jù)方差最大，在保留多的原始特征基礎上減少數(shù)據(jù)維度。

2、應用模型法

   隱馬爾可夫模型人臉識別屬于機器學習范疇，主要是依據(jù)隱馬爾可夫模型技術來對人臉信息進行檢測和比對。它是一種對信號統(tǒng)計的特性進行科學描述的統(tǒng)計模型。 隱馬爾可夫模型可以準確的對處于變化中各種環(huán)境因素進行適當?shù)恼{(diào)整，且識別率較高，但是在使用過程中對整體模型的復雜度要求較高。因此，利用該模型對人臉識別技術進行應用時，不需要對復雜的人臉圖像中的種類特征進行提取。

最后，人臉比對算法在各種環(huán)境下都能滿足基本要求，但是任然有許多缺陷需要解決，比如姿態(tài)問題，圖片遮擋問題和圖片質量問題等等。由于人臉圖像在高維空間中的分布是一個不規(guī)則的流形分布，所以更穩(wěn)定和準確地比對人臉還有待進一步的研究。