现有的人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果。但是，在用户不配合、采集条件不理想的情况下，现有系统的识别率将陡然下降。比如，人脸比对时，与系统中存储的人脸有出入，例如剃了胡子、换了发型、多了眼镜、变了表情都有可能引起比对失败。人脸识别技术要取得进步，这得从它的几大关键技术点上寻求突破，人脸识别的几大关键技术包括：基于特征的人脸检测
人脸识别定制
现有的人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果。但是，在用户不配合、采集条件不理想的情况下，现有系统的识别率将陡然下降。比如，人脸比对时，与系统中存储的人脸有出入，例如剃了胡子、换了发型、多了眼镜、变了表情都有可能引起比对失败。人脸识别技术要取得进步，这得从它的几大关键技术点上寻求突破，人脸识别的几大关键技术包括：基于特征的人脸检测技术——通过采用颜色、轮廓、纹理、结构或者直方图特征等进行人脸检测。
优势 人脸识别的优势在于其自然性和不被被测个体察觉的特点。
困难 人脸识别被认为是生物特征识别领域甚至人工智能领域困难的研究课题之一。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。
基于统计的人脸检测技术——通过对于“人脸”和“非人脸”的图像大量搜集构成的人脸正、负样本库，采用统计方法强化训练该系统，从而实现对人脸和非人脸的模式进行检测和分类。
从技术层面，人脸识别改进的办法可从上述三个方面。任何一个细节技术的突破都可能带来识别率的提升改进。
除了上述三个技术层面改进人脸识别，也有很多上游企业在做人脸识别技术改进的研究，如通过在元器件上的改进，提升人脸识别准确率。
人脸识别简介
人脸识别（Facial Recognition）是基于深度学习的面部分析技术，包括人脸检测与分析、五官定位、人脸比对与验证、人脸检索、活1体检测等，可提供多样化的人脸识别和验证方案。
人脸识别的特性
简单易用除了可直接调用的全1面的API 接口，还提供了丰富多样的SDK供开发者使用，服务使用简单易用，兼容性强。
近两年人脸识别技术迅速发展，识别精度及速度的有效提升为人脸识别在众多领域的应用提供了基础，自2015年起人脸识别的应用领域开始逐渐增多，尤其从2016年下半年，人脸识别技术各类应用案例落地速度明显加快。进入2017年之后，更是迎来了井喷式的爆发，多种应用、多个领域内都闪耀着它的身影。 按功能应用可以分为：安防型人脸识别产品、提升管理型人脸识别产品、娱乐型人脸识别产品。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。
（作者： 来源：）
