重点是较理想条件下、用户配合、中小规模数据库上的识别问题；基于表观的子空间分析和统计方法是主流；
重点是非理想条件、用户不配合、大规模数据库的识别问题；3D和非线性是趋势；

代表性的人脸识别技术与方法
及其关键性事件和作品
已知的最早的AFR研究论文
特征脸（Eigenface）
光照锥技术


基于特征的方法与基于模板的方法对比
SVM[2]用于人脸识别中

首个半自动人脸识别系统
 
美国DARPA[3]启动FERET[4]测试项目
3D可变形模型

第一篇AFR方面的博士论文
局部特征分析（LFA[5]）人脸识别方法发展成为Visionics公司FaceIt商业系统
基于AdaBoost[6]的人脸检测技术


基于剪影分析的人脸识别
基于双子空间的贝叶斯概率学习
流形学习ISOMAP[7], LLE[8]


人脸识别研究综述
朗博反射与线性空间分析


人脸的低维表示
Fisherface[9]
基于商图像的识别方法


弹性图匹配技术
人脸检测综述


ASM/AAM[10]
FRVT[11]2000， 2002测试

技术特点
基于特征的方法
基于模板的方法


---
基于神经网络的识别方法
---

---
基于表观的2D人脸子空间分析与统计学习方法

线性模型方法
非线性流形分析技术

基于2D图像模型的人脸识别
基于3D模型的人脸识别

人脸识别是一个被广泛研究着的热门问题，大量的研究论文层出不穷，在一定程度上有泛滥成“灾”之嫌。为了更好地对人脸识别研究的历史和现状进行介绍，本文将AFR的研究历史按照研究内容、技术方法等方面的特点大体划分为三个时间阶段，如表1所示。该表格概括了人脸识别研究的发展简史及其每个历史阶段代表性的研究工作及其技术特点。下面对三个阶段的研究进展情况作简单介绍：

第一阶段（1964年~1990年）

这一阶段人脸识别通常只是作为一个一般性的模式识别问题来研究，所采用的主要技术方案是基于人脸几何结构特征（Geometric feature based）的方法。这集中体现在人们对于剪影（Profile）的研究上，人们对面部剪影曲线的结构特征提取与分析方面进行了大量研究。人工神经网络也一度曾经被研究人员用于人脸识别问题中。较早从事AFR研究的研究人员除了布莱索（Bledsoe）外还有戈登斯泰因（Goldstein）、哈蒙（Harmon）以及金出武雄(Kanade Takeo)等。金出武雄于1973年在京都大学完成了第一篇AFR方面的博士论文，直到现在，作为卡内基-梅隆大学（CMU）机器人研究院的一名教授，仍然是人脸识别领域的活跃人物之一。他所在的研究组也是人脸识别领域的一支重要力量。总体而言，这一阶段是人脸识别研究的初级阶段，非常重要的成果不是很多，也基本没有获得实际应用。