接下来就要进行人脸编码，人脸图像的像素值会被转换成紧凑且可判别的特征向量，人脸像素值转化成特征向量，形成模板（template）。同一个主体的所有人脸在正常情况下，都应该映射到相似的特征向量。
最后一步就是人脸匹配，在识别比对时，新人脸数据与原始录入的数据会构建模块，新旧数据两个模板会进行比较，从而计算出相似度分值，用该分值判断是否比对成功。
我们要聊的人脸识别4-4-5算法轨迹，人脸识别也是最有挑战性的生物识别方法之一。人脸识别的难点在于，人脸图像具有高度的可变性，这5个可变性难点包括头部姿势可变性、年龄可变性、是否遮挡（遮挡的范围和部位）、光照条件可变性、人脸表情可变性。
想要确保这些可变性的准确判断，就需要深度学习算法，并进行不断试错不断训练不断优化的过程。人脸识别领域，也是从传统机器学习算法过度到深度学习算法的。
