1.         人脸内部属性：包括人脸表面的反射属性（如反射系数等，通常简称为纹理--Texture）、人脸3D形状（表面法向量方向）、人脸表情、胡须等属性的变化；

2.         外部成像条件：包括光源（位置和强度等）、其他物体（比如眼镜、帽子）或者人体其他部件（比如头发）对人脸的遮挡等；

3.         摄像机成像参数：包括摄像机位置（视点）、摄像机的焦距、光圈、快门速度等内外部参数

因此，光学人脸图像的成像过程可以简单地形式化为：

 (1) 其中，函数f表示成像函数，F，L和C分别表示人脸内部属性、外部成像条件和摄像机成像参数这三类要素，I为生成的人脸图像。如果我们进一步假设：人脸皮肤的反射属性满足朗博（Lambertian）模型，人脸为凸表面结构，光源为无穷远处的单色点光源，上述成像公式可以进一步改写为：

 (2) 其中， 表示人脸表面的一点P的三维坐标； 表示P点的表面反射率； 表示P点的表面法向量方向； 表示光源的方向和强度; 表示摄像机的成像函数；而 则为摄像机最终输出的对应P点的图像像素的强度。不难理解，在上述成像过程中，人脸表面3D结构及其反射属性才是人脸相对稳定的本质属性，是人脸识别算法应该赖以区分不同人脸的主要特征。而人脸表情变化、有无胡须等尽管也属于人脸内部属性，但因为具有可变性而不能作为人脸的区分特征。光源等外部成像条件以及摄像机参数等外部因素就更不能作为人脸识别依赖的属性。

综上所述，理想情况下，要根据人脸图像区分出不同的人脸，根本上似乎需要从人脸图像表观中分离开人脸稳定不变的本质属性（3D形状与表面反射率）与外界条件和摄像参数。然后，从3D形状与表面反射率属性中提取不同人脸的差异信息，馈入到后端的判别分类器中进行识别。设输入图像为I，这一过程可以形式化为以下三个步骤：

1.         属性分离。分离人脸本质属性要素与光源条件s*、摄像参数c*等外部参数要素：

2.         特征提取。从人脸属性要素中提取能够体现特定人脸身份的特征：其中，T表示特征提取过程。

3.         分类判别。将提取的特征与数据库中存储的已知人脸特征进行对比，选择相似度最大的人脸作为输入人脸的身份信息：