1、 Independent Component Analysis (ICA)
2、 Hierarchical Graph Matching (HGM)
3、
人脸识别公司：
1．Identix (Visionics&FaceIt)
公司介绍：
算法简介：
该公司主要
Vector Feature Analysis (VFA):
Very high speed； optimized for low-resolution images，
Local Feature Analysis (LFA):
Based on facial geometry information； optimized for low to medium resolution images，
Surface Texture Analysis (STA):
Based on skin texture microfeatures； optimized for higher resolution images，
In one-to-one applications, VFA, LFA and STA algorithms can be used alone or in combination， In one-to-many applications, the three G6 algorithms are used in a three-pass pipeline, where only the top percentage results of the previous pass are searched again in the next pass， For maximum speed and accuracy, VFA is used for the first pass, LFA for the second, and STA for the third， At the conclusion of the passes, the top scores of all three passes are fused together into a final set of scores，
2．Viisage
面像识别的主要商业系统
90年代中后期以来，一些商业性的面像识别系统开始进入市场。目前，主要商业系统包括：
● Visionics公司的FaceIt面像识别系统，该系统基于Rockefeller大学开发的局部特征分析(LFA)算法；
● Lau Tech.公司的面像识别/确认系统，采用MIT技术；
● Miros公司的Trueface及eTrue身份验证系统，其核心技术为神经网络；
● C-VIS公司的面像识别/确认系统；
● Banque-Tec.公司的身份验证系统；
● Visage Gallery’s 身份认证系统，基于MIT媒体实验室的Eigenface技术；
● Plettac Electronic’s FaceVACS出入控制系统；
● 台湾的BioID系统，它基于人脸、唇动和语音三者信息融合的Biometrics系统。
其中，FaceIt系统是最具有代表性的商业产品，目前已在很多地方得到了应用。去年，它在英国用于被称为“Mandrake”的反罪犯系统中，该系统在144个监控摄像机采集的视频序列中搜索已知的罪犯或者嫌疑犯，如发现可能的罪犯，系统将通知中心控制室的警员。
笔者曾使用过FaceIt系统，并对其进行了各项指标的评测。结果表明，该系统在控制光照、准正面（3坐标轴上的旋转不超过15度）、无饰物的情况下具有较好的识别性能。但在实用过程中也发现，只有训练集人脸图像的采集条件与测试集人脸图像的采集条件基本一致时才能具有良好的识别性能，否则，其性能将急剧下降，尤其光照变化、姿态变化、黑框眼镜、帽子、夸张的表情、胡须和长发等对其性能的影响更大。
面像识别系统的测试
基于对面像识别技术在军事安全等领域重要性的考虑，美国国防部的ARPA资助建立了一个对现有面像识别技术进行评测的程序，并分别于1994年8月、1995年3月和1996年9月（截至1997年3月）组织了三次面像识别和人脸确认的性能评测，其目的是要展示面像识别研究的最新进展和最高学术水平，同时发现现有面像识别技术所面临的主要问题，为以后的研究提供方向性指南。尽管该测试只对美国研究机构开放，但它在事实上成为了该领域的公认测试标准，其测试结果已被认为反映了面像识别研究的最高学术水平。
根据2000年公开发表的FERET’97测试报告，美国南加州大学(USC)、马里兰大学(UMD)、麻省理工学院(MIT)等研究机构的面像识别技术具有最好的识别性能。在训练集和测试集摄像条件相似的200人的识别测试中，几个系统都产生了接近100%的识别率。值得一提的是，即使是最简单的相关匹配算法也具有很高的识别性能。在更大对象集的FERET测试中（人数大于等于1166人），在同一摄像条件下采集的正面图像识别中，最高首选识别率为95%；而对用不同的摄像机和不同的光照条件采集的测试图像，最高首选识别率骤降为82%；对一年后采集的图像测试，最大的准确率仅仅接近51%。
该测试结果表明，目前的面像识别算法对于不同的摄像机、不同的光照条件和年龄变化的适应能力非常差，理应得到研究者的足够重视。而且值得注意的是，该测试中所用的人脸图像均为比较标准的正面人脸图像，姿态变化非常小，也没有夸张的表情和饰物，以及没有提及面部毛发改变的情况。所以，我们认为，除了FERET测试所揭示的上述面像识别研究需要面对的问题之外，还需要考虑诸如姿态、饰物（眼镜、帽子等）、面部表情、面部毛发等可变因素对面像识别性能的影响。这些因素也是开发实用的面像识别产品时必然会遇到的最关键的技术问题。
为进一步测试商业面像识别系统的性能，并揭示2000年前后面像识别技术的最新进展，美国国防部的反毒品技术开发计划办公室于去年5月和6月对美国的主要商业面像识别系统进行了评测，称为FRVT’2000（Face Recognition Vender Test）评测。该计划邀请了美国所有面像识别系统厂商参加，共24家，但只有8家响应，最终有5家公司参加了评测，而只有3家的系统在规定时间内完成了全部对比实验。可以认为，这3家公司的产品是目前最具竞争力的商业识别系统，它们分别是FaceIt系统、Lau Tech.公司的系统和C-VIS公司的系统。FRVT’2000评估了这些系统对图像压缩、用户-摄像机距离、表情、光照、录制设备、姿态、分辨率和时间间隔等影响因素的识别性能。结果表明，面像识别系统的性能与1997年的测试相比有了一定的进步，但其识别性能对各种条件，如光照、老化、距离、姿态等，仍然离人们的期望值较远。
在现有的人脸识别算法中，比较流行的
国内：
中科院－上海银晨
近年来，国内学者在对特征脸技术进行认真研究的基础上，尝试了基于特征脸特征提取方法和各种后端分类器相结合的方法，并提出了各种各样的改进版本或扩展算法，主要的研究内容包括线性/非线性判别分析(LDA/KDA)、Bayesian概率模型、支持矢量机（SVM）、人工神经网络(NN)以及类内和类间双子空间(inter/intra-class dual subspace)分析方法等等。