二維主要有基於模板匹配的方法，基於奇異值特徵方法，子空間分析法，區域性保持投影三維人臉識別方法有基於影象特徵的方法和基於模型可變引數的方法。在特徵臉法的基礎上,提出將Fisher線性判別分類法應用於特徵提取的方法，即利用"傅立葉-西萌"變換(Foley-Sammon變換)，構造Fisher最佳鑑別向量集來得到一個使類內距離和類間距離兼顧的投影空間，從而改善特徵臉法的分類效果。實驗證明該方法是切實高效的。PCA方法是人臉識別技術中一種廣泛應用的資料降維技術。當透過使用PCA變換獲得的主成分去重建原始人臉影象時，能使均方誤差最小。在傳統的PCA基礎上，提出了2DPCA方法，避免了從影象矩陣向一雛向量的轉換，並在人臉識別中獲得了滿意的效果。
1:1如我們現在在賓館、網咖、機場安檢等的人與身份證上的照片進行比對的應用，用來證明自己是自己。目前我們在車站乘車過安檢時，檢票人員總是拿著身份證跟你本人做對比，證明身份證裡面是不是你本人，這種場景就是1:1的場景。據相關統計證明人的肉眼識別精準度達到95%左右，但是人的眼睛是有疲勞度的，所以車站安檢人員需要定時換班換崗。目的就是為了保持比較平均的識別的準確率。但是，在這種場景下，如果採用人臉識別技術，識別率可達到97%甚至是更高的準確率而且系統裝置是沒有疲勞度的問題。
二維主要有基於模板匹配的方法，基於奇異值特徵方法，子空間分析法，區域性保持投影三維人臉識別方法有基於影象特徵的方法和基於模型可變引數的方法。在特徵臉法的基礎上,提出將Fisher線性判別分類法應用於特徵提取的方法，即利用"傅立葉-西萌"變換(Foley-Sammon變換)，構造Fisher最佳鑑別向量集來得到一個使類內距離和類間距離兼顧的投影空間，從而改善特徵臉法的分類效果。實驗證明該方法是切實高效的。PCA方法是人臉識別技術中一種廣泛應用的資料降維技術。當透過使用PCA變換獲得的主成分去重建原始人臉影象時，能使均方誤差最小。在傳統的PCA基礎上，提出了2DPCA方法，避免了從影象矩陣向一雛向量的轉換，並在人臉識別中獲得了滿意的效果。
1:1如我們現在在賓館、網咖、機場安檢等的人與身份證上的照片進行比對的應用，用來證明自己是自己。目前我們在車站乘車過安檢時，檢票人員總是拿著身份證跟你本人做對比，證明身份證裡面是不是你本人，這種場景就是1:1的場景。據相關統計證明人的肉眼識別精準度達到95%左右，但是人的眼睛是有疲勞度的，所以車站安檢人員需要定時換班換崗。目的就是為了保持比較平均的識別的準確率。但是，在這種場景下，如果採用人臉識別技術，識別率可達到97%甚至是更高的準確率而且系統裝置是沒有疲勞度的問題。