人脸检测，找到图像中人脸所在的地位，经典办法爲haar+adaboost；2，脸部特征点定位，包括眼球中心点，还可以进一步包括面颊等轮廓特征点，经典办法包括基于haar+adaboost的眼睛定位，和asm等alignment办法等；3，人脸几何归一化，依据脸部特征点地位从图像中失掉归一化的人脸区域图像，这一步次要是使得不同人脸上的像素对应的人脸地位分歧，这样才有可比性，这个步骤可以看作是一个对图像停止仿射变化的进程；4，人脸光照归一化，次要目的是克制不同光照对人脸的影响，进步算法对光照条件的鲁棒性，预处置办法很多，自商，或许DOG等办法效果较好；5，人脸表示（特征提取），比方gabor特征和上述的lbp特征，经常会对多种特征停止交融；6，鉴别特征提取，就是将高维的人脸特征映射到分类才能更强的低维特征，成熟的思绪是PCA+LDA的办法；7，计算两个脸失掉的鉴别特征之间的间隔，作爲类似度权衡，间隔最经典的是cos间隔；