狭义的人脸识别(Face Recognition)特指通过人物面部进行身份确认或身份查找。目前，人脸识别技术已趋成熟，不同类型的商用系统已投入使用。人脸识别系统通过建立自动人脸识别报警网络，对特定区域的特定人员进行摄像机自动识别发现，未经登记授权进入特定区域的人员，系统即定向报警。目前的人脸识别系统设备体积较大，移动性能差，不便于携带，难以普及和广泛应用。通信技术日新月异，智能手机的摄录等功能愈加强大和普及，设计融合CBIR技术与手机通信技术的便携式人脸识别系统已成为可能。它不仅具有一般的人脸识别系统确认和查证的功能，而且充分利用了无线通讯的优势，可被广泛应用在电脑或网络安全、访问控制、门禁和考勤、户证管理、公安追逃、出入境边检、机场安检、驾照或护照等重要证件的身份认证等多种不同的安全领域，其移动性的便携功能是一般的人脸识别系统无法替代的，因而有着更为广泛的应用前景。

1 CBIR技术
    CBIR(Content Based Image RetrievaI)即基于内容的图像检索，属于图像分析和信息处理的研究领域，是指直接采用图像内容进行图像信息的查询，目的是在给定查询图像的前提下，依据其内容信息或指定的查询标准，在图像数据库中进行内容上一致或相似性匹配，最终提供符合查询条件的相应图像。
1．1 CBIR的基本原理
    CBIR一般由图像标引系统和图像检索系统两部分构成。图像标引系统索引图像文件并按设计要求设置检索标目即检索点，形成一个可供匹配检索的有序的标目索引系统。该系统按设计功能提供颜色、纹理、形状和对象等不同图像底层视觉特征的检索入口。
1．2 CBIR的主要检索内容
    CBIR的主要检索内容有颜色、纹理、形状和对象等。颜色特征包括图像颜色分布、相互关系和组成等；纹理是指图像纹理结构、方向、组合及对称关系等；形状是指图像轮廓组成、形状、大小等；对象包括图像子对象的关系、数量、属性和旋转等。
1．3 CBIR的特点
    CBIR可以直接从图像中抽取特征和语义，检索过程与语义提取直接相连，使得检索过程更加有效，适应性更强；用相似匹配(Similar Match)代替精确匹配(Exact Match)，即采用相似比对的方法获得类似图像结构，渐近趋同，直至获得符合要求的结果；用户可以通过浏览选择示例或自己绘制图形来查询，并可不断改进检索式，细化检索过程；提供基于客观属性(关键词)的检索，基于内容的检索，基于对象关联检索以及概念检索等多层次的高效检索。
1．4 CBIR技术的应用系统
    在CBIR领域，经过十几年的理论研究，产生了许多比较成熟的算法和一些有价值的系统。现普遍采用低层次的图像信息(如图像颜色、纹理、形状等)来实现图像内容查询。如IBM研究中心开发的QBIC(QueryBy Image Content)图像检索系统，哥伦比亚大学的Visual SEEK图像查询系统，麻省理工学院实验室开发的PhotoBook系统，美国UIUC大学的MARS系统等。为进一步提高检索的准确性，CBIR系统采用相似度算法，计算用户提交结果与索引数据库中记录的相似度大小，提取出满足阈值的信息作为结果并按照相似度降序的方式输出，并在同一次检索过程中不断地与用户进行交互，系统通过对这些反馈的相关信息进行学习，再次进行下一轮检索，从而达到用户的要求。