1、人脸检测：这方面的资料已经很成熟。可以使用OpenCV自带的库函数进行检测，主要使用的算法有Adaboost、Harr特征、LBP算法等；
2、人脸对齐：主要的目的就是在人脸区域进行特征点的定位，在人脸表情有变化，头部有姿势变化时仍能够精确定位人脸的主要位置，例如：嘴巴，鼻子，眼睛等位置。主要的算法：ASM、AAM、CLM(难度依次增加，但效果依次增强)。
3、人脸识别：这方面主要包括1:1和1:N的识别，1:N就是指当你采集一个人脸图片时，然后再大量的图像库中找到这个人属于哪个类（人脸库中包含这个人不同姿势、表情的图像），只需要确定他是哪一类即可；但是1:1就变得更加精确，还是采集一个人脸图片时，然后再大量的图像库中很精确地确认这个人是谁（人脸库中只含有该人的一幅图），这种识别的难点就是，采集的人脸图像可能和你已经获得的图像库中对应的人的表情和头部姿势都会有很大的差别，但是最终想要的结果还是要确认他到底是谁。主要的算法有很多：Gabor变换、PCA、LDA、Ada+Gabor、稀疏表示以及各个算法的结合等等。
4、相似性度量：简单的说就是，计算距离。在你进行识别的最后一步时，需要确认两个人是不是一个人，这是就要计算两个人脸图像的各个像素点之间的差值的总和。注意：经过PCA降维处理之后得到的一组特征向量，其第一列包含的特征最多，但是需要注意的是，第一列包含的特征并不是所有的特征，在其它列中还含有比较重要的特征。