人脸识别系统主要分为人脸检测、特征提取和人脸识别三个过程。

       人脸检测：人脸检测是指从输入图像中检测并提取人脸图像，通常采用haar特征和Adaboost算法 训练级联分类器对图像中的每一块进行分类。如果某一矩形区域通过了级联分类器，则被判别为人脸图像。

       特征提取：特征提取是指通过一些数字来表征人脸信息，这些数字就是我们要提取的特征。

       常用的脸部特点分成两大类，类别是几何图形特点，另一类是定性分析特点。几何图形特点就是指双眼、鼻头和嘴等脸部特点中间的几何图形关联，如间距、总面积和视角等。因为优化算法运用了某些形象化的特点，测算量小。

       不过，由于其所需的特征点不能精确选择，限制了它的应用范围。另外，当光照变化、人脸有外物遮挡、面部表情变化时，特征变化较大。所以说，这类算法只适合于人脸图像的粗略识别，无法在实际中应用。

       表征特征利用人脸图像的灰度信息，通过一些算法提取全局或局部特征。其中比较常用的特征提取算法是LBP算法。LBP方法首先将图像分成若干区域，在每个区域的像素640x960邻域中用中心值作阈值化，将结果看成是二进制数。LBP算子的特点是对单调 灰度变化保持不变。每个区域通过这样的运算得到一组直方图，然后将所有的直方图连起来组成一个大的直方图并进行直方图匹配计算进行分类。