Prepoznavanje lica je metoda koja se koristi za identifikaciju ili autentifikaciju osobe na temelju analize karakteristika lica, a sustavi za prepoznavanje lica se primjenjuju za prepoznavanje osoba na fotografijama, videozapisima, sigurnosnim kamerama i slično ili uživo. Početak razvoja algoritama za prepoznavanje lica bio je sredinom 60-ih godina 20. stoljeća, ali tek sa snažnijim razvojem tehnologije i algoritama strojnog učenja problem prepoznavanja lica se uspješno rješava. Osnovna podjela algoritama za prepoznavanje lica je na algoritme za prepoznavanje 2D i 3D lica. Algoritmi koji koriste 2D lica zapravo koriste 2D digitalne slike za prepoznavanje uspoređujući sliku lica s bazom podataka prethodno snimljenih lica, dok se algoritmi koji koriste 3D model lica oslanjaju na 3D geometriju lica i u obzir uzimaju značajke poput dubine ili zakrivljenosti crta lica što nije moguće obuhvatiti na 2D slici. Matematičkim modelima izdvajaju se bitne značajke na licu i uspoređuju se s značajkama poznatih lica u bazi. Najpoznatiji algoritmi za prepoznavanje 2D lica su Eigenface algoritam, Fisherfaces, metoda potpornih vektora i skriveni Markovljev model. Ograničenja algoritama koji koriste 2D model lica su promjene u fizičkom izgledu, orijentaciji glave i promjene u osvjetljenju. Te nedostatke pokušavaju nadomjestiti algoritmi za prepoznavanje koji koriste 3D model lica, a neki od najčešće korištenih su: prepoznavanje 3D lica bez rekonstrukcije lica, morfabilni problem i konvolucijske neuronske mreže. Jedan od značajnijih nedostataka algoritama za prepoznavanje 3D lica je potreba za puno većom bazom podataka za treniranje modela i kvalitetnija oprema prilikom prikupljanja fotografija što je zahtjevno za realizaciju. U diplomskom radu opisana je povijest razvoja algoritama za prepoznavanje lica, navedene su osnovne značajke svih algoritama za prepoznavanje lica, problemi s kojima se algoritmi susreću i njihova primjena. Opisana je matematička pozadina svakog od navedenih algoritama, njihove prednosti i nedostaci. Na kraju rada, provedena je analiza glavnih komponenata na skupu slika te je nad istim skupom provedena programska realizacija metode potpornih vektora i konvolucijskih neuronskih mreža te je uspoređena dobivena točnost predikcija.