中投顧問在《2016-2020年中國人臉識別行業投資分析及前景預測報告》中提到，人臉識別技術主要從圖像序列或視頻流中將特定人臉判別出來，一個全自動人臉識別系統一般包括三個關鍵技術：人臉檢測、特征提取和人臉識別。
人臉檢測是從復雜的背景中提取我們感興趣的人臉圖像區域。臉部毛發、化妝品、光照、噪聲、面部傾斜和人臉大小變化以及各種各樣遮擋等因素都會使人臉檢測問題變得更為復雜。人臉檢測的主要目的是在輸入的整幅圖像上尋找人臉區域，從而為后續的人臉識別作準備。人臉檢測的核心技術包括如下三個方面：
一、基于特征的人臉檢測技術。可采用顏色特征、輪廓特征、紋理特征、結構特征、直方圖特征等進行人臉檢測。
二、基于模板匹配的人臉檢測技術。事先設定好一定的候選人臉模板庫，接著采取一定的模板匹配策略，用模板庫中的模板對圖片進行匹配，通過相關性的高低和所匹配的模板大小確定人臉大小以及位置信息。
三、基于統計的人臉檢測技術。搜集大量的“人臉”和“非人臉”圖片以構成人臉正、負樣本庫，并采用統計方法進行強化訓練，從而實現對人臉和非人臉的模式進行檢測和分類。比較經典的有Adaboost方法、人工神經網絡方法、支持向量機方法等。
特征提取主要是從人臉圖像中提取具有判別性的特征，它是人臉識別的核心部分。特征提取的優劣會在很大程度上影響人臉識別效果，現有的方法主要包括如下四個方面：
四、幾何特征。以面部特征點之間的距離和比率作為特征，其識別速度快，對內存要求較小，對光照不太敏感。
五、基于模型的特征提取方法。隱馬爾科夫模型是一種常用的模型，根據不同特征狀態所具有的概率不同而提取人臉圖像特征。
六、基于統計的特征提取方法。將人臉圖像視為隨機向量，并用統計方法辨別不同人臉特征模式，比較典型的有特征臉、獨立成分分析、奇異值分解等。
七、基于神經網絡的特征提取方法。利用大量神經單元對人臉圖像特征進行聯想存儲和記憶，根據不同神經單元狀態的概率實現對人臉圖像準確識別。
人臉識別是根據所提取的人臉圖像特征采用相關識別算法進行人臉確認或辨別。即將已檢測到的待識別人臉與數據庫中已知人臉進行比較匹配，得出相關信息，該過程的關鍵是選擇適當的人臉表征方式與匹配策略，系統的構造與人臉的表征方式密切相關。一般根據所提特征而選擇不同識別算法進行度量，常用的包括距離度量、支持向量機、神經網絡、k均值聚類等。
