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，人脸识技术融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型,即人脸特征模板。
将已建成的人脸特征模板与被测者的人的面像进行特征分析，根据分析的结果来给出一个相似值。通过这个值即可确定是否为同一人。而人脸识别的困难主要是人脸作为生物特征的特点所带来的。前文中我们已经介绍过人脸识别的主要组成模块以及其优势。那么今天北京萨尔笛（www.scientificimaging.cn）将为您解析下在人脸识别中应注意的两个困难点。
1、相似性：不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点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。
2、易变性：人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，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。
在人脸识别中，第一类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，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。
这是一种相当引人注意的技术，它的性能也经常被误解。关于面部识别，经常有一些夸张的言论，但实际是很难实现的。比较两个静态图象是一回事，在人群中发现和确认某个人的身份而不引起别人的注意，就是完全不同的另一回事了。有些系统宣称能做到后一点，但它们实际上做的是前一种事，这实际并不是生物识别。
随着人脸识别技术的不断更新升级，虽然从用户的角度很容易理解面部识别的吸引力，但人们对这种技术的期望应该比较现实。
北京萨尔笛科技有限公司代理机器视觉产品，包括科学级相机等。科学级相机被广泛应用在生命科学、医疗等领域。