人脸识别的理论发展包括以下三个阶段：第一个阶段，主要人物是 Bertillon,Allen 和 Parke，大致地探讨并寻找了实现人脸识别 所必须的人脸面部特征信息。在 Berliton 的系统中，使用相对简单的语句来连接人脸数据 库中对应的图像，并且运用了指纹识别的功能，完成了一个识别度较高的身份识别。而为 了进一步提高人脸识别度，Allen 发明了一种高效且逼真的描绘方式，Parke 则使用计算机 完成了 Allen 这个假想的功能，并能够输出质量较好的灰度图像。这个阶段的特点是缺乏 自动化，其主要的鉴定方式全部需要人工参与，这个系统显然是无法完成自动识别的要求 的[3]。75410

第二个阶段，代表人物是：Goldstion,Harmon 和 Lesk 等，他们采用的方法是使用几何 参数来表征人脸图像。他们采用 21 维特征向量来对人脸特征信息进行表示，并且开发了 适用于这套表示方法的人脸识别系统。而 Kaya 和 Kobayashi 利用统计识别方法，使用欧氏 距离来对人脸特征信息进行表示，例如两眼间距，鼻头宽度。T。Kanad 设计了一种速度较 快的，且具有相对应的理论作为借鉴的半自动识别系统，通过积分投影的方法来计算人脸 图像的特征信息，再通过模式分类技术将其和标准人脸对比，判断信息是否能够相互匹配， Kanad 对系统的快速的设计，很具有创造性。与此同时，Baron 也做了不少工作，他先通 过将收集的人脸照片转变为灰度图，再进行归一化处理，接着使用 4 个不同的掩膜来表示 人脸，并计算掩膜和人脸数据库中的预存图像的对应掩膜间的互相关系数，即可输出判断 结果。论文网

以上两种方法在上世纪 60 至 90 年代被研究使用过，此类方法大多需要先验知识辅助， 并且需要人工的干预操作方能完成[4]。

第三阶段，主要是进入 20 世纪 90 年代，由于计算机的性能高速提升和社会各界对较 高性能的人脸识别系统的迫切需求，人脸识别重新成为热门的研究领域，同时，人脸特征 的识别方法也有了重大突破，进入了飞速发展的阶段，真正的进入了一个机器自动识别的阶段，在这段时期内，接连不断的出现许多有名的人脸识别算法。例如，1991 年，麻省理 工学院的 Turk 和 Pentland 提出了“Eigenface（特征脸）”算法。1997 年，Belhumeur 提出 的 Fisherface 方法。这两个重要理论对以后的人脸识别算法的拓展产生了重大的影响。另 外，还有一个重要的算法，弹性图匹配技术（Elastic Graph Matching,EGM），还有一些基 于这项技术而产生的算法，包括局部特征技术（Local Feature Analysis,LFA），柔性模型（Flexible Models）等。现在，人脸识别的主要研究领域是对在低光照、非标准姿态等非 理想条件的数据采集和用户不知情的条件下的人脸识别[5]。