1.2 人臉檢測技術的研究意義 怎樣使計算機能夠像人一樣能夠分析各種視覺信息，使用一種編制的方式來計算獲得的視覺數據。 使機器智能化，通過機器來模擬人類所擁有的能力，像人類一樣通過眼睛來觀察和獲得視覺信息，并使用大腦來處理視覺所獲得的信息。
1.3 人臉識別技術的主要問題 人臉識別雖然有著巨大的應用價值，但也存在一些問題需要解決。 在日常生活中， 人們可以毫不費力的識別人臉，但是對于計算機來說，卻存在著巨大的困難。 這種困 難主要是人臉形態的多樣性和環境的復雜性造成的，同時也有計算機本身的學習能力 的問題，這些問題主要體現在以下幾個方面： (1)人臉特征穩定性較差 由于人臉是一個可塑的、三維的可變形體，用數學模型很難描述，且當受到年齡、 化妝、表情以及意外傷害等因素的影響后，會使采集到的人臉圖像發生較大的變化。 (2)人臉受外界因素影響大 人臉圖像采集時會受到不同的光照條件、面部方向、采集視角等因素的影響，使 得同一個人的人臉圖像在不同的條件下產生很大的差異，這些因素提高了人臉識別算 法的要求。
基于PCA的特征臉是人臉識別最經典的算法之一，雖然今天的PCA在實際系統中更多的是用來降維，而不是分類，但是如此經典的方法，值得大家去關注。 該文章較接近于很多成熟商用系統思路，在很多實際系統中，一個提取鑒別信息的框架就是PCA和LDA，用PDA進行降維避免LDA求解的矩陣奇異問題，然后用LDA提取跟適合分類的特征，更進一步將各種原始特征進行鑒別提取后決策級融合。
這對于 人臉鑒別特別有價值，因為人臉鑒別通常使用正面照，要鑒別的人臉圖像是不 同時期拍攝的，使用的照相機不一樣。 系統可以接受時間間隔較長的照片，并 能達到較高的識別率，在計算機中庫藏 2300人的正面照片，每人一張照片，使 用相距 1--7 年、差別比較大的照片去查詢， 首選率可以達到 50%，前 20 張輸出 照片中包含有與輸入照片為同一人的照片的概率可達 70% 18日，由清華大學電子系人臉識別課題組負責人蘇光大教授主持承擔的國家 攻關項目《人臉識別系統》通過了由公安部主持的專家鑒定。
