相较于其他人类身份鉴别技术，人脸识别系统在实际应用过程中既具有一定的优势。如果数据x是低维的、简单的，例如只有二维，那么分类很简单。我们输入图片，希望计算机能够将内容识别出来，将结果输出。仍以数字为例，当输入图片并用矩阵表示后，通过将灰度值转化为灰度，可以轻松辨识其所表示的内容。在灰度图像中，一个像素使用8个比特位，从而可以表示256个灰度阶，表围是0-255。其中0代表纯黑色，255代表纯白色。

在找出所有的人脸后，就需要鉴别面朝不同方向的人脸，对于电脑而言朝向不同方向的人脸是不一样的。一个字节可以表示一个像素，那怎么表示一张图片呢，用矩阵进行表示。简单来说，就是表格，比如可以使用8行8列来表示一张8*8的灰度图片。但在计算机的世界里，只有0和1，想要通过辨识矩阵内容并将结果输出，就必须建立矩阵到结果的映射。这样，输入一张图片，经过处理和计算后，才能输出一个数字。

这个问题的依赖于分类问题。即，先不谈特征值，首先如何把照片集合按人正确的分类？这里就要先谈谈机器学习。可以从有限的训练集样本中把算法很好的泛化。所以，我们先找到有限的训练集，设计好初始函数f(x;w)，并已经量化好了训练集中x->y。对图像中的人脸信息进行定位与提取；对不同的人脸信息进行分类处理，并将信息传递给人脸识别系统；对比人脸特征信息相似度，并确认身份。

对图像中的人脸信息进行定位与提取；对不同的人脸信息进行分类处理，并将信息传递给人脸识别系统；对比人脸特征信息相似度，并确认身份。相较于其他人类身份鉴别技术，人脸识别系统在实际应用过程中既具有一定的优势。如果数据x是低维的、简单的，例如只有二维，那么分类很简单。生物识别技术是一种通过人类的生物特征进行身份认证的技术，目前手形识别、指纹识别、人脸识别、发音识别、虹膜识别等生物识别技术的发展已经相对成熟。