1、特征脸法（eigenface）
特征脸技术是近期发展起来的用于人脸或一般性刚体以及其他涉及人脸处理的一种方法。
使用特征脸进行人脸识别的方法首先由 Sirovich 和 Kirby（1987）提出（《Lowdimensional procedure for the characterization of human faces》），并由 Matthew Turk 和 AlexPentland 用于人脸分类（《Eigenfaces for recognition》）。首先把一批人脸图像转换成一个特征向量集，称为“Eigenfaces”，即“特征脸”，它们是最初训练图像集的基本组件。识别的过程是把一副新的图像投影到特征脸子空间，并通过它的投影点在子空间的位置以及投影线的长度来进行判定和识别。
将图像变换到另一个空间后，同一个类别的图像会聚到一起，不同类别的图像会聚力比较远，在原像素空间中不同类别的图像在分布上很难用简单的线或者面切分，变换到另一个空间，就可以很好的把他们分开了。Eigenfaces 选择的空间变换方法是 PCA（主成分分析），利用 PCA 得到人脸分布的主要成分，具体实现是对训练集中所有人脸图像的协方差矩阵进行本征值分解，得到对应的本征向量，这些本征向量就是“特征脸”。每个特征向量或者特征脸相当于捕捉或者描述人脸之间的一种变化或者特性。这就意味着每个人脸都可以表示为这些特征脸的线性组合。
2、局部二值模式（Local Binary Patterns，LBP）
局部二值模式（Local Binary Patterns LBP）是计算机视觉领域里用于分类的视觉算子。