UIUC的Jiabin Huang同学曾经对13年Miss Daegu的选手做过分析。
原帖在此，非常欢乐：
http://jbhuang0604.blogspot.com/2013/04/miss-korea-2013-contestants-face.html?m=1
用大白话翻译一下：先手工对齐鼻子眼睛嘴，然后用Candes et al的Rubust PCA 来重建图像（第二列）。这一步主要是去掉头发等遮挡物造成的影响。
再然后，上传统方法SVD做eigen analysis。发现eigenvalue只有6个非零元素——换句话说，20名参赛选手的脸只有6个自由度。
在eigenfaces的6维空间中，可以比较轻松地计算两个人的相似程度，再降维到2D空间，20个选手的分布情况大概是这样的：
这张图大概就从一个侧面回答了楼主的问题。在有效可靠的表达下，这些脸还是能够被区分出来的。但是大家可以看到，有几个点（人脸）靠的很近，说明这几个脸在算法的特征空间下，区分难度非常大。对应到真人照片，是这三个：
从视觉效果上看，这三位选手，我也很难分清楚他们是不是同一个人换了妆，还是不同的人。。。
=====继续搬运=====
按照这个思路，就可以找出“长(zheng)得最相似”的，和“长(zheng)得最不一样”的参赛选手。
最后两个gif分别是长得最像的人和最不像的人的大串烧（相邻两帧相似度最大，或者最小）。
再后来，选美结果出来了。长得最像的三个人和最特殊的三个人中，各有一人进入总票数三甲。贴主认为这和 JSTOR这篇文章 中提到的观点很相似，即平均脸漂亮，但是最漂亮的脸一般不是平均脸。
— 完 —
本文作者：Filestorm
【知乎日报】
你都看到这啦，快来点我嘛 Σ(▼□▼メ)
此问题还有 40 个回答，查看全部。
延伸阅读：
面部识别或形状识别，比如：从一张手的照片内识别出指甲的轮廓。应当如何做？
Siri 属于语音识别还是人工智能？
