人脸识别技术在中国的发展起步于上世纪九十年代末，经历了“技术引进——专业市场导入——技术完善——技术应用——各行业领域使用”等五个阶段。到目前为止，随着国内人脸识别技术水平的不断成熟，该技术越来越多的被推广到安防领域，延伸出考勤机、门禁机等多种产品，产品系列达20多种类型，可以全面覆盖煤矿、楼宇、银行、军队、社会福利保障、电子商务及安全防务等领域。

　　人脸识别优势

　　相比于其他识别技术，人脸识别的优势比较明显，主要集中在三个方面：

　　一是自然性，所谓的自然性是指该识别方式同人类(包括其它生物)进行个体识别时所利用的生物特征相同，是通过观察比较人脸区分和确认身份；具有自然性的识别还有语音识别和体形识别，而指纹识别和虹膜识别等因人类或其他生物不能通过此类生物特征区别个体所以不具备自然性。

　　二是非强制性，被识别的人脸图像信息可以主动获取而不被被测个体察觉，人脸识别是利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而带有可被伪装欺骗性。

　　三是非接触性，相比较其他生物识别技术而言，人脸识别是非接触的，用户不需要和设备直接接触，而同时能够满足在实际应用场景下进行多个人脸的分拣、判断及识别。

　　人脸识别技术瓶颈

　　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。

　　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。

　　● 不同介质

　　采集人脸图像的设备较多，主要有扫描仪(照片)、数码相机、摄像机。由于成像的机理不同，形成了同类人脸图像的识别率较高而不同类别间人脸图像的识别率较低的情况。随着人脸识别技术的发展，这一问题也将逐步得到解决。

　　(2)识别速度

　　识别速度有两种，一种是基于文件的，即把特征存成文件，在文件级进行比对。另一种是基于数据库的，如在oracle数据库中进行比对，在数据库中存有详细的人员档案由此可以进行图文混合查询，而借助图文混合查询，可以提高查中率。 基于文件的比对速度可以达到20万人/秒；基于数据库的，单服务器的比对速度可以达到1万人/秒。

　　这两种方式各有特点，目前的研究是将两者的优点结合在一起，以实现高速、高识别率的人脸识别。活动人脸的识别要求系统有较高的识别速度。其中包括人脸检测的速度以及人脸的识别速度。在40ms内可以实现人脸检测，在10万人的数据库中，2秒内完成从人脸检测定位到人脸识别的全过程，应能满足大多数实际应用的要求。