随着行业需求的逐步提升，人脸识别技术的应用也越来越广泛。人脸识别技术作为一种安全、稳定、高效的机器视觉检测技术，其在应用过程中，关键在于对人脸特征的提取（建模）。
在人脸识别技术的应用中，最核心最困难的环节是人脸辨别，即人脸相似度计算，包括"特征提取"和"特征比对"。人脸特征提取（建模）的有效性决定了人脸识别的精度，好的人脸特征提取技术将使提取的人脸特征值更小、辨别性能更好，可以提高识别率和降低误识率，因此，人脸识别技术的好坏关键在于对人脸特征的提取（建模）。
目前已存在的人脸特征提取方法主要有：基于面部器官的特征提取、基于模板的特征提取、基于代数方法的特征提取、基于弹性匹配法的特征提取。
一、基于面部器官的特征提取
基于面部器官的特征提取是最早研究特征提取的方法，主要考虑眉毛、眼睛、鼻子、嘴巴之间的位置关系。各器官之间欧氏距离、角度及其大小和外形被量化成一系列参数，来衡量人脸特征，所以对眉毛、眼镜、鼻子、嘴巴等的定位就是一个很重要的工作。面部几何特征的提取依靠于先验知识，需要在自适应和检测准确度之间进行权衡，受人脸表情，姿态等影响很大。对于人脸主要器官如眉毛、眼睛、鼻子、嘴巴等进行描述和特征提取，可以比较准确地提取人脸的基本特征。
二、基于模板的特征提取
人脸的基本轮廓和脸部器官位置基本是固定的，在提取特征之前先定义一个标准的模板，利用Hough变换、方差投影和模板匹配相结合，有效地确定出眼睛、嘴巴和鼻子等器官的位置。定义模板需要用到人脸器官的几何特征矢量，它可以通过虹膜中心、内眼角点、外眼角点、鼻尖点、鼻孔点、耳屏点、耳下点、口角点、头顶点、眉内点和眉外点等关键点得到。特征的提取通常以面部器官的外形和几何关系之间的匹配分量作为依据，匹配分量通常包括人脸两点间的欧氏距离、曲率和角度等，其中欧氏距离的判决是最常用的方法。标准模板可以是固定模板，也可以是参数可变的可变性模板。固定模板比较简单，但是随着环境的改变模板也要更换，有很大的局限性，一般只针对简单的图像；可变性模板是以器官的几何特征作为模板的参数，定义一个能量函数，通过改变参数使能量函数最小化，能量函数越小越接近提取目标。可变性模板在环境发生变化时只需要改变相应的参数即可，因此灵活性和适应性都比较好，可处理质量较差的人脸图像，但是模板描述不够精确，适用于可变性不大的器官，常用于提取眼睛、嘴和鼻子轮廓。
三、基于代数方法的特征提取
此类方法使用代数变换来提取人脸特征，其中比较经典的方法是特征脸方法。人脸由一些基本特征就可以描述，如眉毛、鼻子、眼睛和嘴巴等特征，因此描述人脸的图像可以缩小到很小空间。特征脸方法基于K-L变换，将协方差矩阵E分解为通过这变换将原始图像变换到一个新的维数较低的特征空间，通过计算矩阵的特征值和特征向量，利用图像的代数特征信息进行提取脸部器官的特征。这种方法具有无需提取眉毛、眼镜、鼻子和嘴巴等几何特征的优点，但在单样本时识别率不高，且在人脸模式数较大时计算量大。
四、基于弹性匹配法的特征提取
弹性匹配法是一种较好的特征提取方法，主要思想是采用畸变不变性物体识别特性，定义了一种对于人脸变形具有不变性的距离，采用属性拓扑图代表人脸，图中任一顶点均包含一个特征向量，用来记录人脸在该顶点位置四周的信息，边则表示各特征点之间的关系。假设S1是人脸库中定义的某人脸属性拓扑图，S为待识人脸属性拓扑图。在弹性匹配中也就是寻找Sl中各节点在S中最佳匹配节点。
以上便是人脸识别技术之人脸特征提取方法，人脸识别技术作为一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术，而其日渐广泛的应用，也将为各大行业的发展发展带来新的生机。