根據圖像的面部識別方式關鍵涉及到應用來源於單獨一個幀的特性開展鑒別。根據圖像的面部識別方式可以分成根據外型（或總體）、根據實體模型和根據紋路（或部分特點）的方式。
根據模式的面部識別
根據模式的面部識別方式可以分成2D方式和3D方法。
2D方式
最聞名的根據2D實體模型的辦法是ActiveAppearanceModel。在AAM中，根據操縱一組實體模型主要參數來配對統計分析外型實體模型，用以從練習專題學習的形態和灰度級轉變方式。AAM根據學習模型主要參數中的顫振與引起的圖像偏差相互關係，應用一種有效的反覆運算搜索演算法。2009年，明確提出了一種含有管束AAM的facial recognition system，此項工作中人力標識了58個預先確定的特點點，並拍照了40張圖片用以練習全過程。無拘無束的AAM/NNC（近期鄰支持向量機）完成了92.5%的面部識別特性。
為了更好地更確切地對之前無法識別的面部圖像開展模型，早已提交了多實體模型AAM，它在傳統式AAM以前將面部與類似樣子區別起來，並容許轉化成好幾個AAM實體模型。早已觀查到，這類新實體模型顯著提升了在樣子和紋路上面有什麼問題的圖像的特性。延展性束圖配對（EBGM）是另一種關鍵的根據模式的面部識別方式，目地是鑒別大中型資料資訊集中化的真實身份，即使是單獨一個圖像。在該方式中，面部的標準應用小波變換敘述並更換為圖像圖型以降低圖像中的轉變。為了更好地提升EBGM優化演算法的特性，明確提出了“retinexandcolorconstancy”預備處理優化演算法來處理陽光照射問題，為了更好地提升EBGM優化演算法的特性，根據Gabor小波變換的特點，將GaborJets與EBGM一起應用，而beta篩檢程式與EBGM密切相關。
3D方式
即使全部臉部關鍵點問題都沒被處理，大家還可以識別人臉。以粗略地的圖元可以記牢臉部覺得剩下資訊內容中的幾何圖形資訊內容。3D面部敘述必須開展城市地標精確測量和幾何圖形特點（包含折射率和樣子）剖析，與此同時，這種特點還可以用以面部識別。應用根據臉部折射率特點和別的特點（例如表層法線）的3D臉部樣子資料庫索引可以實行三維臉部配准和鑒別。在某文中，科學研究了根據離散變數傅裡葉變換、離散變數余弦轉換、非負矩陣分解和主折射率方位的辦法來表明樣子的新特點。
在各種參考文獻中，3D可形變實體模型被普遍用以神情不會改變的facial recognition system。有的應用3D可形變實體模型從單獨一個圖像中得到一張面部的好幾張圖像，便於應用Fisherface方式開展歸類。在ORL面部資料庫查詢和UMIST面部資料庫查詢的研究結果顯示，所確立的方式比傳統式的Eigenface方式更取得成功。在FRVT2006（面部識別經銷商檢測）中，較為了應用外置圖像、3D資訊內容和視網膜生物特徵資訊內容的識別技術的特性。雙鏡頭系統軟體還與積極外型實體模型（AAM）一起應用來複建臉部的3D實體模型，這表明3D模型對臉部情緒和相片矇騙進攻具備可擴展性。