第一、几何图形特点的人脸识别方式：几何图形特点能够 是眼、鼻、嘴等的样子和他们中间的几何图形关联。这种优化算法鉴别更快，相应的运行内存小，但准确率较低。

第二、应用场景特点脸的人脸识别方式：特点脸方式是应用场景KL转换的人脸识别方式，KL转换是图像压缩的这种最优化正交变换。高维的图象室内空间历经KL转换后获得1组新的正交基，保存在其中关键的正交基，由这种基能够 张成低维线性空间。假若假定面部在这种低维线性空间的投射具备可分性，就能够 将这种投射作为鉴别的特点矢量素材，这就是说特点脸方式的基础观念。这种方式相应较多的训练样本，并且充分是应用场景图象灰度的统计分析特点的。现阶段有某些改进版的特点脸方式。

第三、神经元网络的人脸识别方式：神经元网络的键入能够 是减少像素的面部图象、部分地区的自相关函数、部分纹路的二阶矩等。这种方式一样相应较多的样版开展训炼，而在很多运用中，样版总数是很有局限的。

第四、延展性图配对的人脸识别方式：延展性图配对法在二维动画的室内空间中界定了这种针对一般的面部形变具备相应的不变的间距，并选用特性拓扑图来表示面部，拓扑图的任意端点均包括一特征向量，用于纪录面部在该端点部位周边的信息内容。该方式融合了真彩色特点和几何图形要素，在核对时能够 容许图象存有延展性变形，在摆脱小表情转变对鉴别的危害层面接到了不错的实际效果，另外针对单独人也已不需要好几个样版开展训练。