人臉識別經過這些年的發展，取得了很大的發展，涌現出了大量的識別算法。這些算法的涉及面非常廣泛，包括模式識別、圖像處理、計算機視覺、人工智能、統計學習、神經網絡、小波分析、子空間理論和流行學習等眾多學科。所以很難用一個統一的標準對這些算法進行分類。根據輸入數據形式的不同可分為基于靜態圖像的人臉識別和基于視頻圖像的人臉識別。因為基于靜態圖像的人臉識別算法同樣適用于基于視頻圖像的人臉識別，所以只有那些使用了時間信息的識別算法才屬于基于視頻圖像的人臉識別算法。接下來分別介紹兩類人臉識別算法中的一些重要的算法。

       在人臉識別系統中，由一組特征臉基圖象張成一個特征臉子空間，任何一幅人臉圖象（減去平均人臉后）都可投影到該子空間，得到一個權值向量。計算此向量和訓練集中每個人的權值向量之間的歐式距離，取最小距離所對應的人臉圖像的身份作為測試人臉圖像的身份。

       主分量分析是一種無監督學習方法，主分量是指向數據能量分布更大的軸線方向，因此可以從最小均方誤差意義下對數據進行更優的表達。但是就分類任務而言，由主分量分析得到的特征卻不能保證可以將各個類別更好地區分開來。

       線性鑒別分析是一種的模式識別方法，通過將樣本線性變換到一個新的空間，使樣本的類內散布程度達到最小，同時類間散布程度達到更大，即的Fisher準則。