随着计算机网络和通信技术的发展，信息安全，知识产权保护和身份认证等问题已成为一个重要而紧迫的研究课题。
身份验证是系统安全性的先决条件，许多不同的安全领域都需要准确的身份验证。
传统的身份认证方法如身份证，智能卡和密码不方便，容易丢失，不易读或易破解。
基于人脸识别技术的身份认证方法比传统方法具有更好的安全性，可靠性和有效性，因此越来越受到人们的关注，并逐渐进入社会生活的各个领域。
人脸识别技术具有广阔的应用前景，可以应用于许多不同的安全领域。
由于其识别特征的独特性，独特性和相对稳定性，它已成为一个非常受欢迎的研究课题。
许多典型的面部识别算法和应用系统针对标准或特定面部数据库，使用库中的面部训练，并在同一库中实现面部识别。
然而，在诸如软件保护和计算机安全性的特殊应用中，身份认证仅对单个对象执行面部识别，并且现有的面部识别方法不适合于这种识别任务。
为此，本文讨论了单目标人脸识别的关键技术，以及单目标人脸识别的特点。
在此基础上，提出了一种单目标人脸识别算法。
实验结果证明了该方法的有效性。
。
外部面部检测的任务是在待检查的图像中找到并标记可能的面部区域。
步骤如下：（1）根据颜色空间中人体肤色的区域特征，可以检测脸部的像素。
为了更好地利用肤色特征，HSI和YcbCr颜色空间用于二值化图像。
在Cr∈[128,170]内，肤色范围限于H∈[0,46]，S∈[0.10,0.72]，Cb∈[98,130]。
满足条件的像素被标记为肤色像素，其余的是非肤色像素。
（2）去噪处理。
在以每个肤色点为中心的5×5邻域中计算肤色像素的数量。
当使用超过一半时，中心点保持肤色，否则被认为是非皮肤。
（3）将二值图像中的肤色块合并成区域，并对目标区域进行比例和结构分析，以滤除不可能的面部区域。
目标区域的高/宽比限制为0.8至2.0。
包含眼睛，眉毛，鼻子和嘴巴的区域称为内面区域。
内脸区域可以很好地表现面部特征，并且不容易受到背景，头发等因素的干扰。
因此，内面区域的检测和定位对于随后的特征提取和识别是至关重要的。
在外面区域的上半部分中，二值图像在水平方向和垂直方向上投影，并且包括黑点的两个矩形区域被确定为两只眼睛的近似区域。
在确定的两个区域中，该区域被黑点扩展，并且获得眼睛的基本轮廓和左石头角，并且将黑点坐标的平均值作为瞳孔的位置。
设左右瞳孔的坐标分别为（Lx，Ly）和（Rx，Ry）。
两个学生之间的距离是d。
根据面的几何特征，我们将内面区域定义为：width = -d×1.6，height = -d×1.8，左上角的坐标为（Lx - d×0.3，（Ly +） Ry）/ 2 - （-d）×0.3）。
实验表明，该地区可以很好地表达面部特征。
