人脸比对技术，常常用于人脸检索、智能门禁、失踪人口的全库排查、公安系统的人脸检索等，以此相似度列出相应的结果，可以大大提高检索效率。

目前市面上常见的人脸比对技术流程大抵可分为三步，首先是人脸图像预处理，其次是人脸特征提取，最后是人脸相似度对比。

人脸特征提取检测方法也可以分为三类，即肤色模型的检测，边缘特征的检测和统计理论方法。 

人脸比对是指将提取的多方面人脸特征与数据库中储存的特征模板进行搜索匹配，通过设定一个阈值，将相似度与这一阈值进行比较，最后对相似的人脸的身份信息进行置信度评分和判断。人脸比对的方法包括应用几何特征的方法、应用模板的方法和应用模型的方法。其中几何特征是最传统的人脸比对方法，常常需要和其他算法结合才能有更好的效果；应用模板的方法又分为相关模板匹配、特征脸方法以及动态连接匹配等；而应用模型的方法包括隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。

1、几何特征法

   人的正脸由眼睛、眉毛、鼻子、嘴巴（包括牙齿和舌头）、下巴等部位构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸千差万别，因此对这些部件的形状和结构关系的几何描述，可以做为人脸识别的重要特征。几何特征这些方法简单直观，识别速度快，需要的内存小，但是一旦人脸的表情和姿态发生变化，会严重影响到比对精度。

线结构光测量原理图

2、模板法

 （1）模板匹配法：模板匹配就是在整个图像区域发现与给定子图像匹配的最小区域。将模板和重叠区域进行比较，通过滑动人脸图像寻找图像中和模板图像最匹配的部分实现模板人脸比对。

（2）特征脸方法：是指人脸识别问题中的一组特征向量。特征脸通过PCA(principal components analysis)方法获得，PCA 是最常用的线性降维方法，即将高维的人脸特征映射到低维的空间中表示，并让该维度的数据方差最大，在保留多的原始特征基础上减少数据维度。

2、应用模型法

   隐马尔可夫模型人脸识别属于机器学习范畴，主要是依据隐马尔可夫模型技术来对人脸信息进行检测和比对。它是一种对信号统计的特性进行科学描述的统计模型。 隐马尔可夫模型可以准确的对处于变化中各种环境因素进行适当的调整，且识别率较高，但是在使用过程中对整体模型的复杂度要求较高。因此，利用该模型对人脸识别技术进行应用时，不需要对复杂的人脸图像中的种类特征进行提取。

最后，人脸比对算法在各种环境下都能满足基本要求，但是任然有许多缺陷需要解决，比如姿态问题，图片遮挡问题和图片质量问题等等。由于人脸图像在高维空间中的分布是一个不规则的流形分布，所以更稳定和准确地比对人脸还有待进一步的研究。