人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。

人脸识别存在问题

人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。而人脸识别技术的难点主要体现在人脸作为生物特征的一些特点上。

首先，就人的脸部特征而言，不同个体之间的区别并不是很明显，因为每个人的脸部结构都是相似的，甚至是人们脸部器官的分布、结构和外形，这对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。

其次，人脸的外形很不稳定，人们可以通过脸部肌肉的变化产生很多不同的表情，而在不同的角度进行观察，人脸的视觉图像也相差很大，这对于利用人脸识别效果的稳定性和准确性也带来了一定的挑战。

再次，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。如何规避这些外因对于人脸识别速度以及人脸识别效果的影响，一直是科研的重点方向。

因此，在人脸识别中，第一类的变化，即人脸外形的变化，是应该放大而作为区分个体标准的，而第二类的变化，即外界条件对于人脸识别的影响，应该消除，因为它们可以代表同一个个体。通常称第一类变化为类间变化（inter-class difference），而称第二类变化为类内变化（intra-class difference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。

人脸识别技术瓶颈

然而人脸识别对技术要求和设备成本投入非常高，加之国外已经对相关技术形成垄断，以及传统的人脸识别技术无法适应使用环境的变化例如：光线、姿态、表情等不同的变化因素，导致人脸识别长时间无法普及应用。

在实际应用中，要注意以下几个重要问题：

● 年龄变化

不同年龄的人脸有较大的差别。身份证是以前照的，在逃犯的照片也是以前的，因此，在公安部门的实际应用中，年龄问题是一个最突出的问题。

● 姿态变化

这一问题在活动人脸的识别中更为突出。一般的，主要测试左右角度的识别率。当前的水平是：±10o可以达到较高的识别率。