人臉識別被認為是生物特征識別乃至人工智能領域的難點研究課題之一。人臉識別的難度主要是由人臉作為生物特征的特性造成的。

　　類似

　　不同個體之間差別不大。所有的人臉在結構上都是相似的，甚至面部器官的結構和外觀也是相似的。這一特征有利于利用人臉進行定位，但不利于利用人臉區分人類個體。

　　可變性

　　人臉的外觀是很不穩定的，人可以通過人臉的變化產生很多表情，從不同的觀察角度看人臉的視覺圖像也有很大的不同。此外，人臉識別還會受到光照條件的影響(如白天黑夜、室內室外等。)，臉的很多遮蓋物(比如口罩，墨鏡，頭發，胡子等。)，年齡等諸多因素。

　　在人臉識別中，類變化應該被放大作為區分個體的標準，而第二類變化應該被剔除，因為它們可以代表同一個個體。通常，階級的變化稱為階級間的差異，第二種變化稱為階級內的差異。對于人臉來說，類內變異往往大于類間變異，這使得在類內變異的干擾下，利用類間變異區分個體變得異常困難。

　　人臉識別系統包括圖像采集、人臉定位、圖像預處理和人臉識別(身份確認或身份搜索)。系統的輸入一般是一幅或一系列身份未定的人臉圖像，以及人臉數據庫中若干幅身份已知或對應編碼的人臉圖像，而輸出則是一系列相似度得分，表示待識別人臉的身份。

　　傳統的人臉識別技術主要是基于可見光圖

　　一種快速發展的解決方案是基于主動近紅外圖像的多光源人臉識別技術。它能克服光線變化的影響，取得了良好的識別性能。整體系統性能在準確率、穩定性和速度方面都超過了三維圖像人臉識別。這項技術在近兩三年發展迅速，使得人臉識別技術逐漸實用化。

　　人臉識別的優勢在于它的自然性和不被被測試者觀察到。

　　所謂自然，是指識別方法與人類(甚至其他生物)在個體識別中使用的生物特征相同。比如人臉識別，人類通過對人臉的觀察和比對來區分和確認身份。此外，還有語音識別、圖形識別等自然識別，而指紋識別、虹膜識別等則不是自然的，因為人類或其他生物并不以這樣的生物特征來區分個體。

　　不被發現的特性對于一種識別方法來說也是非常重要的，它會使識別方法不具有攻擊性，不容易被欺騙，因為它不容易引起人們的注意。人臉識別就有這方面的特點。它完全利用可見光獲取人臉圖像信息，與指紋識別或虹膜識別不同。它需要使用電子壓力傳感器來采集指紋或紅外線來采集虹膜圖像。這些特殊的收款方式容易被人察覺，更容易被偽裝和欺騙。