人脸识别是一种基于人的脸部特征信息的生物识别技术，它利用摄像机或摄像头采集包含人脸的图像或视频流，并在图像中自动检测和跟踪人脸，并对检测到的人脸进行相关处理。人脸识别需要积累大量的人脸图像相关数据来验证该算法，并不断提高识别精度。现有的人脸识别系统在用户协作和获取的理想条件下，可以获得满意的识别效果。但是，在用户不合作和获取条件不理想的情况下，现有系统的识别率将突然降低。例如，当将人脸与存储在系统中的人脸进行比较时，如剃须、改变发型、多戴眼镜、改变表情可能导致比较失败。
人脸识别的优势在于它的自然性和被测试个体没有察觉到的特征。所谓自然性，是指识别方法与人类在个体识别中所使用的生物特征相同。例如，人脸识别通过观察和比较人脸和区分身份，再加上自然识别以及语音识别、体型识别等，指纹识别、虹膜识别等都是不自然的，因为人类或其他有机体并不能通过这种生物特征来区分个体。在识别方法中，未检测到的特征也很重要，这使得识别方法不令人反感，而且不易被欺骗，因为它不易引起人们的注意。人脸识别具有这样的特点，它完全利用可见光获取人脸图像信息，但与指纹识别或虹膜识别不同，需要使用电子压力传感器采集指纹，或者用红外线采集虹膜图像，这些特殊的采集方法容易被检测到，因此更容易被伪装所欺骗。
人脸识别被认为是生物特征识别乃至人工智能领域的难点研究课题之一，人脸识别的困难主要是由于人脸作为生物特征的特征造成的，不同个体之间的差异很小，人脸的结构相似，甚至人脸器官的结构和形状都非常相似，这种特征有利于人脸定位的使用，但不利于人脸识别。人脸的形状非常不稳定，人们可以通过脸部的变化产生很多表情，在不同的观察角度上，人脸的视觉图像变化很大。此外，人脸识别还受到许多因素的影响，如光照条件、人脸的遮盖物、年龄等。
在人脸识别中，一种类型的变化应该被放大来作为区分个体的标准，而另一种变化应该被消除，因为它们可以代表同一个个体。一种变化通常被称为类间变化，另一种称为类内变化。对于面孔来说，类内变化往往大于类间变化，这使得在类内变化的干扰下很难通过类间变化来区分个人。人脸识别主要用于身份识别，由于视频监控的迅速普及，许多视频监控应用迫切需要一种长距离、非配合状态的快速识别技术，以快速确认远程人员的身份，实现智能预警。人脸识别技术无疑是一个很好的选择，采用快速人脸检测技术可以实时从监控视频图像中找到人脸，并与人脸数据库进行实时比较，从而实现快速的身份识别。
相关信息：人脸识别技术的原理以及优点和缺点
人脸识别技术应用领域，全面告诉你
工地人脸识别技术的应用
