人脸识别技术原理简单来讲主要是三大步骤：
建立一个包含大批量人脸图像的数据库。
通过各种方式来获得当前要进行识别的目标人脸图像。
将目标人脸图像与数据库中既有的人脸图像进行比对和筛选。
根据人脸识别技术原理具体实施起来的技术流程则主要包含以下四个部分：
人脸图像的采集与预处理：采集人脸图像通常情况下有两种途径，分别是既有人脸图像的批量导入和人脸图像的实时采集。人脸图像的预处理是对系统采集到的人脸图像进行光线、旋转、切割、过滤、降噪、放大缩小等一系列的复杂处理过程，使得该人脸图像无论是从光线、角度、距离、大小等任何方面来看，均能够符合人脸图像的特征提取的标准要求。
人脸检测：人脸检测是指应用一定的策略对给出的图片或者视频来进行检索，判断是否存在着人脸，如果存在则定位出每张人脸的位置、大小与姿态。人脸检测是一个具有挑战性的目标检测问题，主要体现在人脸目标内在的变化和外在条件变化两方面。人脸检测的作用是在一张人脸图像之中精准地定位出人脸的位置和大小，挑选出有用的图像信息的同时自动剔除掉其他多余的图像信息，进一步保证人脸图像的精准采集。
人脸特征提取：目前主流的人脸识别系统可支持使用的特征通常可分为人脸视觉特征、人脸图像像素统计特征等，而人脸图像的特征提取就是针对人脸上的一些具体特征来提取的。特征简单，匹配算法则简单，适用于大规模的建库；反之，则适用于小规模库。特征提取的方法一般包括基于知识的提取方法或者基于代数特征的提取方法。
人脸识别和活体鉴别：将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类，一类是确认，即一对一进行图像比较的过程；另一类是辨认，即一对多进行图像匹配对比的过程。
二、技术特点人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。
传统的人脸识别技术主要是基于可见光图像的人脸识别，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术，它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。
三、关键技术基于特征的人脸检测技术：通过采用颜色、轮廓、纹理、结构或者直方图特征等进行人脸检测。
基于模板匹配人脸检测技术：从数据库当中提取人脸模板，接着采取一定模板匹配策略，使抓取人脸图像与从模板库提取图片相匹配，由相关性的高低和所匹配的模板大小确定人脸大小以及位置信息。
基于统计的人脸检测技术：通过对于“人脸”和“非人脸”的图像大量搜集构成的人脸正、负样本库，采用统计方法强化训练该系统，从而实现对人脸和非人脸的模式进行检测和分类。
