国外对人脸识别技术的研究发展较早，提出了许多人脸识别的主流算法。如麻省理工学院Turk和Pentland等人[1]提出的特征脸方法；耶鲁大学Kriegman等人[2]提出的Fisher脸方法；密西根州立大学Jain带领的小组[3]在3-D人脸识别方法所做的研究；德国Rohr大学Malsburg和Wiskot等人[4-6]提出的Gabor变换的动态连接机制与弹性束图匹配方法。82733

自20世纪90年代以来，我国许多研究所、高校在人脸识别领域都取得了瞩目的成果。像清华大学的徐光佑教授[7]、张长水教授[8]带的课题组深入研究了非线性多姿态的人脸识别过程，南京大学周志华教授[9]在单人脸识别方面取得了突出成果，南京理工大学的杨静宇[10]教授在用于图像识别的图像代数特征抽取方向进行了长期研究，上海交通大学施鹏飞教授[11]在弹性束图匹配领域进行了研究，中山大学的赖剑煌[12]的研究组提出频谱脸识别方法，还有中科院的各个研究机构也都在人脸识别领域提出了许多卓有成效的理论。

人脸识别技术飞速发展，在2006年大规模人脸测试Face Recognition Vendor Test 2006上，清华大学丁晓青教授研究组的TS2-NORM算法就已经超过人类的识别率了。但是这仅仅是针对陌生的人脸，要做到像人类一样熟悉自己的家人、朋友，能够在昏暗的条件下认出自己的家人对于计算机还是有一定难度的。论文网

2008年，北京奥运会也成功运用了人脸识别技术，将其应用于安保，实现人脸身份识别。在LFW数据集上，北京旷视科技的FACE++在LFW上取得了99。50%的识别率，香港中文大学的团队使用卷积神经网络学习特征，将其用于人脸验证，在LFW上取得了99。53%的识别率，谷歌的FACENET取得了99。63%的识别率。在2015年，腾讯的优图团队在LFW人脸识别数据集上取得了99。65%的识别率，刷新了谷歌的记录。支付宝成功的将人脸识别应用于“刷脸支付”。人脸识别技术的火热也产生了许多专注于该领域的期刊和会议，如计算机视觉方向的三大顶级会议：欧洲计算机视觉会议、计算机视觉与模式识别会议和国际计算机视觉会议，杂志如IEEE模式分析与机器智能、模式识别等都与人脸识别技术有关，许多著名的人脸识别算法诞生于此。可以看出社会各界对人脸识别技术研究非常重视，人脸识别技术的研究至今仍是一个活跃的课题，对人脸识别技术进行研究仍具有重要的意义。