随着技术的发展与人脸识别市场应用日渐广泛，针对人脸识别的难题和困境，一些创见性的解决问题方案也相继提出。在如今信息化社会的发展过程中，国内人脸识别技术的突破和广泛应用，对于杜绝越狱案的频频发生以及安防行业的技术发展来说，正如这冬天里的一把火，使得安防行业进入了一个全新的应用时代。
在实际操作过程中，双摄像头识别法成为一种新颖、可靠的解决方案：右侧摄像头的图片进行人脸定位和眼睛定位，同时，左侧摄像头与右侧摄像头的图片进行立体融合，恢复出三维人脸模型，在此基础上，进行特征提取和比对，实现模板录入和识别等功能。这样的优势在于其自然性和不被被测个体察觉的特点，其关键技术在于以下几点。
1、人脸检测
人脸检测部分有两个功能：一是判断图像中是否存在人脸，二是如果存在人脸，确定人脸的确切位置。人脸检测中如采用级联的Adaboost（如图1）以及Harr特征进行人脸定位，正确率更高，速度更快。
图1级联Adaboost算法流程图
2、人眼定位
眼睛是人脸中zui关键的一个部分，也是区分不同人脸的zui重要的一个区域，同时通过眼睛位置的定位后，可以更好对齐人脸上的其它各个器官，所以对眼睛进行定位极其重要。采用极小值区域（MER）原理以及多层结构的方法，便能够很好的解决眼睛定位的问题（具体见图2、图3）。
3、双目融合
二维人脸图像缺乏三维的信息，容易受到光照、姿态、表情等的影响，鉴于此，采用双摄像头并进行立体融合，恢复出三维人脸模型。三维信息可以用于姿态，光照，眼镜等模型变换和生成。三维信息恢复过程如图4。
图4三维信息回复过程图
4、提取特征
特征是指从人脸图像中提取的一组能区分不同人脸的向量，也称之为人脸表示。基于Gabor小波的人脸表示在人脸识别中取得了巨大的成功。由于Gabor小波原始特征维数过高，计算量大，需要做降维处理，即用低维的向量来表示高维的向量。为了达到运算要求，可以采用张量子空间分析方法（简称ORO），把人脸表示看成一个张量，通过迭代方法寻找正交的秩一张量进行降维，zui终可以有效提取核心特征。
该方法有以下几个优点：一是用张量表示人脸能够捕获人脸的局部结构信息；二是张量的每个分量的维数很低，能够避免出现LDA（线形判别分析）中的维数灾难问题；三是该方法的降维矩阵远远小于LDA的降维矩阵，这对于一些存储空间有限的嵌入式应用非常适合。
5、特征比对
特征比对主要是比较两张不同人脸间的相似度，zui有效的方法即是利用特征间的相关度作为相似度的描述，在识别人脸的时候，待识别图像与特征库中的所有特征进行比对，其相似度zui大者即为匹配结果。
