面部识别系统的性能很大程度上取决于多种因素，如光照，头部姿势，表情，年龄跨度，头发，佩戴饰物和面部动作等。基于这些因素，面部识别应用可以在用户是否配合上分为两大类：（1）用户配合的情况（2）用户不配合的情况。
在配合的情况下，如计算机的登录，物理访问控制以及办理电子护照时，用户是愿意配合地以适当的方式来提供他的面部图像（例如，正面朝向，表情庄重，眼睛睁开）来获取访问权限或者特权。
在不配合的情况下，最典型的是监控应用中用户并不希望被人认出。从人脸与照相机的距离的角度出发，近距离人脸识别（小于1微米）的协同应用程序（例如，接入控制）是最棘手的问题，而远距离不配合的在监控录像中的应用（例如，监视列表识别）是最具有挑战性的。
在上述两个类别之间的应用也是有的。例如，一定距离的基于人脸识别的访问控制系统，用户其实是愿意配合的，但是他没有办法在良好条件下将面部对着摄像头。即使这样的情况仍然比识别不配合用户的身份更加容易，但是也可能会对系统造成挑战。
1.1.2  处理流程
人脸识别是一种视觉模式识别问题，脸的位置表示为三文对象，它是根据获取的图像来确认并且受到不同的照明，姿势，表情，以及其他因素的影响。虽然在大多数程序中通常使用的是二文图像，但是有些需要更高的安全级别或者需要超出可见光谱的光的图像的应用会用到三文（深度或范围）图像。人脸识别系统一般由四个模块组成：人脸的本土化，规范化，特征提取与匹配。下面将对于这些模块进行说明。
面部检测从背景中分割出面部区域。在视频的情况下，被检测的面部可能需要使用面部跟踪组件通过多个帧来进行跟踪。同时面部检测提供位置的粗略估计和脸部大小，面部界标本地化面部标志（例如，眼睛，鼻子，嘴和面部轮廓）。这可通过一个界标模块或者面部调整模块来实现。
面部标准化的执行是为了规范面部的几何形状和光度。这是必要的，因为最先进的识别方法是希望能在不同的姿势和光照情况下来识别人脸图像的。几何规范化进程通过面部剪裁将脸变换成标准帧。面部变形可以用于更复杂的几何规范化。光度标准化进程基于各种因素来进行，如光照和灰度。
人脸特征提取是基于标准化脸部，并提取利于区分不同人的面孔，相对于几何和光度的变化是强大显著的信息。被提取的人脸特征将用于人脸匹配。
在人脸匹配过程中，输入的人脸图像被提取的特征会与数据库中一个或多个登记的面孔进行比对。一对一验证中，该匹配系统输出“是”或者“不是”；一对多验证中，当顶端匹配被确信的找出时，输出的就是输入的人脸的身份，当尖端匹配分数低于阀值时，输出的就是未找到。在这一阶段面对的主要挑战是找到一个合适的相似度衡量标准来比较面部特征。
1.1.3  人脸识别751大模块
基于上述处理流程，我们把人脸识别分为751大模块：
1.采集模块  
这是人脸识别系统的入口点，用户在这个模块中给出人脸图像作为整个系统的输入。   
2.预处理模块
在此模块中对图像进行归一化处理来提高系统的识别性能，其中包括：图像大小的规范化，直方图均衡化，中值滤波，高通滤波，背景消除，平移旋转变化，照明标准化等。
3.特征提取模块
预处理完成的图像将被输入到特征提取模块找到用于分类的关键特征。该模块将得到一个足以代表人脸图像的特征向量。 使用JAVA开发人脸识别软件设计(3):http://www.751com.cn/jisuanji/lunwen_19331.html