Některé algoritmy rozpoznáváni tváře jsou založené na příznacích extrahovaných z obrazu tváře člověka - nazývaných tvářové příznaky. Například algoritmus může analyzovat relativní polohu, velikost, a/nebo tvar očí, nosu, úst, lícních kostí a čelisti. Tyto příznaky jsou potom použity při hledaní odpovídajících příznaků ve skupině snímků. Ostatní algoritmy normalizují galérii snímků tváře a potom komprimují data tím, že ukládají jen data v obraze, které jsou užitečné pro rozpoznání tváře. Testovaný obraz se potom porovná s údaji o tváři.
Před získáním příznaků jsou obrázky/snímky předzpracované a normalizované.
Jako součást předzpracování je snížení rozměrů všech vstupních snímků na definovanou velikost. Též je možno aplikovat CLAHE (contrast limited adaptive histogram equalization) - kontrastově omezenou adaptivní ekvalizaci histogramu. Normalizované snímky mohou být maskované tak, aby se vynechalo pozadí a ponechala jen oblast tváře.
Hlavním cílem procesu normalizace je minimalizovat nekontrolované variace, které se vyskytují v průběhu získáváni snímků a na udržování odchylek pozorovaných v tvářových příznacích mezi jednotlivci.
Velkou změnu v obraze může způsobit změna pózy.
Extrakce příznaků zahrnuje snížení množství prostředků potřebných k popisu velkého souboru dat. Při rozpoznání tváře se vykonává analýza velkého množství dat. Analýza s velkým počtem proměnných všeobecně vyžaduje velké množství paměti a výpočetní síly. Extrakce příznaků se vztahuje ke snížení proměnných a dat.
Při extrakci příznaků se nejčastěji využívají metody založené na detekci hran. Velmi dobré výsledky se dosahují i při lokálních binárních vzorech (local binary patterns - LBP).
Detekce hran je název pro sadu matematických metod. Hlavním cílem je detekovat body v digitálním obraze, kde se prudce mění jas. Tyto obrazové body s ostrou změnou jasu jsou obvykle uspořádané do sestavy zakřivených čar pojmenovaných hrany.
Nejčastěji používané funkce na detekci hran jsou Sobelův operátor (nazývaný též Sobelův filtr), Prewittův operátor nebo Gaborův filtr.
Příznaky se mohou získat z předzpracovaných snímků tváří pomocí LBP histogramu. LBP histogramy se považují za jedny z nejlepších příznaků pro rozpoznávání tváří, když je k dispozici jen limitované množství vzorků a mohou být lehce vypočítány v reálném čase [5] (Obr. 2.1).