1.2 人脸检测技术的研究意义 怎样使计算机能够像人一样能够分析各种视觉信息，使用一种编制的方式来计算获得的视觉数据。 使机器智能化，通过机器来模拟人类所拥有的能力，像人类一样通过眼睛来观察和获得视觉信息，并使用大脑来处理视觉所获得的信息。
1.3 人脸识别技术的主要问题 人脸识别虽然有着巨大的应用价值，但也存在一些问题需要解决。 在日常生活中， 人们可以毫不费力的识别人脸，但是对于计算机来说，却存在着巨大的困难。 这种困 难主要是人脸形态的多样性和环境的复杂性造成的，同时也有计算机本身的学习能力 的问题，这些问题主要体现在以下几个方面： (1)人脸特征稳定性较差 由于人脸是一个可塑的、三维的可变形体，用数学模型很难描述，且当受到年龄、 化妆、表情以及意外伤害等因素的影响后，会使采集到的人脸图像发生较大的变化。 (2)人脸受外界因素影响大 人脸图像采集时会受到不同的光照条件、面部方向、采集视角等因素的影响，使 得同一个人的人脸图像在不同的条件下产生很大的差异，这些因素提高了人脸识别算 法的要求。
基于PCA的特征脸是人脸识别最经典的算法之一，虽然今天的PCA在实际系统中更多的是用来降维，而不是分类，但是如此经典的方法，值得大家去关注。 该文章较接近于很多成熟商用系统思路，在很多实际系统中，一个提取鉴别信息的框架就是PCA和LDA，用PDA进行降维避免LDA求解的矩阵奇异问题，然后用LDA提取跟适合分类的特征，更进一步将各种原始特征进行鉴别提取后决策级融合。
这对于 人脸鉴别特别有价值，因为人脸鉴别通常使用正面照，要鉴别的人脸图像是不 同时期拍摄的，使用的照相机不一样。 系统可以接受时间间隔较长的照片，并 能达到较高的识别率，在计算机中库藏 2300人的正面照片，每人一张照片，使 用相距 1--7 年、差别比较大的照片去查询， 首选率可以达到 50%，前 20 张输出 照片中包含有与输入照片为同一人的照片的概率可达 70% 18日，由清华大学电子系人脸识别课题组负责人苏光大教授主持承担的国家 攻关项目《人脸识别系统》通过了由公安部主持的专家鉴定。
