人脸识别技术主要包括以下核心模块和技术：

1. 人脸检测

   通过图像或视频自动定位人脸区域，是识别的基础步骤。主流方法包括：

   • 传统方法 ：Haar特征级联检测、HOG特征+SVM分类器

   • 深度学习方法 ：卷积神经网络（CNN）

2. 人脸特征提取

   从检测到的人脸中提取具有区分性的特征，用于后续匹配。主要技术包括：

   • 传统特征 ：主成分分析（PCA）、线性判别分析（LDA）、局部二值模式（LBP）

   • 深度学习特征 ：人脸识别网络（FaceNet）

3. 人脸匹配与识别

   将提取的特征与数据库中的模板进行比对，确定身份。常用方法包括：

   • 传统度量 ：欧氏距离、余弦相似度

   • 深度学习方法 ：度量学习、神经网络分类

4. 技术优化方向

   • 多光源/主动近红外技术 ：克服光照变化影响，提升识别稳定性

   • 三维人脸识别 ：通过立体匹配、红外成像获取三维信息，增强鲁棒性

总结 ：人脸识别技术已从传统方法向深度学习主导转变，当前主流方案结合了高效检测、精准特征提取及快速匹配能力，同时通过多源数据融合进一步优化实际应用场景。