经过上文的介绍，我们了解到基于机器视觉系统的人脸识别作为一项生物特征识别技术，依靠对人脸的视觉特征信息的识别进行身份的鉴别，在众多领域都有着非常广泛的应用。

        人脸识别的具体过程

        人脸识别技术主要包含三个部分：其一，人脸检测。在较为复杂的背景环境下对是否存在人脸面貌信息进行判断，并对这些信息进行分离；其二，人脸跟踪。对符合目标面貌信息的人脸进行动态追踪；其三，人脸比对。对检测到的面貌信息进行面像库目标搜索、匹配与对比。

        而想要实现这一系列的人脸识别应用，主要需要经过以下几个过程：

        首先，需要进行人脸图像的采集。这一个步骤是人脸识别技术的基础，也是关键，所采集图像是否清晰准确直接影响到此后的检测、跟踪、对比等环节能否有效。

        其次，要进行的便是人脸信息的提取。这一步对于整个的人脸识别应用来说也是非常关键的，将人脸信息从背景中分离出来，并进行针对性的提取，可以有效提高识别率，降低误识率。

        再次，与数据库人脸信息进行特征对比。这一步是将已提起的目标人脸信息与早先已录入的数据库人脸信息进行特征比对，找到最匹配的人脸特征模板。

        最后，就可以进行身份确认了。在经过特征比对得到最佳匹配的人脸特征模板后，就可以将该人脸特征模板相关联的人员身份信息从数据库调出，以此来明确当前识别人的身份。

        人脸识别技术的主要应用

        人脸识别技术的应用主要包括两大板块，其一可以应用于人脸身份识别，即根据人脸图像识别人物的身份；其二可以应用于人脸身份验证，即判断图像中的人脸是否为指定的人。如人脸识别门禁考勤系统、人脸识别防盗门、电子护照、刑侦联网搜捕逃犯、银行人脸识别自助服务等等。

        人脸识别技术所面临的关键问题

        当然，在人脸识别应用过程中，还存在着一定的问题，例如光照问题。光照变化对人脸识别有着非常重要的影响，在环境光照不能满足需求时，识别效果就会急剧下降。不过，随着人脸识别技术的不断进步，这一问题也得到了很好的解决，基于主动近红外图像的多光源人脸识别技术，不仅克服了光线变化给识别应用所带来的制约，而且在精度、稳定性以及速度方面都有了一定的提升。