生物识别技术是依靠人体的身体特征来进行身份验证的一种解决方案。由于人体特征具有人体所固有的不可复制的唯一性，因此，这一生物密钥无法复制、失窃或被遗忘。随着计算机技术的迅速发展，人们开发了指纹识别、声音识别、面像识别等多种生物识别技术，目前许多技术都己经成熟并得以应用。在人与人的信息交互中，人脸所包含的视觉信息占据了最主要的地位，因此，生物识别技术中的新秀--面像识别技术具有更加广泛而深远的社会意义。
面像识别技术包含以下几方面：
　　(1) 面像检测
　　指在动态的场景与复杂的背景中判断是否存在面像并分离出面像。其方法分为:
　　参考模板 首先设计一个或数个标准人脸模板，然后计算测试样本与标准模板之间的匹配程度，通过阈值来判断是否存在人脸；
　　人脸规则 人脸具有一定的结构分布特征，人脸规则即提取这些特征生成相应的规则，以判断是否测试样本包含人脸；
　　样本学习 采用模式识别中人工神经网络方法，通过对面像样本集和非面像样本集的学习产生分类器；
　　肤色模型 肤色模型依据面像肤色在色彩空间中分布相对集中的规律来进行检测；
　　特征子脸 将所有面像集合视为一个面像子空间，基于检测样本与其在子空间的投影之间的距离判断是否存在面像。
   上述方法在实际系统中也可综合采用。 　　
    (2) 面像跟踪
　　指对被检测到的面像进行动态目标跟踪。一般采用基于模型的方法或基于运动与模型相结合的方法。另外，肤色模型跟踪也不失为一种简单有效的手段。　　
    (3) 面像比对
　　对被检测到的面像进行身份确认或在面像库中进行目标搜索。从本质上讲是采样面像与库存面像的依次比对并找出最佳匹配对象。因此，面像的描述决定了面像识别的具体方法与性能。目前主要有以下两种描述方法：
    特征向量法 先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离、角度等属性，然后计算出它们的几何特征量，这些特征量形成一描述该面像的特征向量；　　
    面纹模板法 在库中存储若干标准面像模板或面像器官模板，在比对时，采样面像所有像素与库中所有模板采用归一化相关量度量进行匹配。　　
    另外还有模式识别的自相关网络或特征与模板结合的方法。