人脸识别是一种天然的、直接的生物识别方法。每个人的人脸都是独一无二的，纵然是几乎并无区别的双胞胎一定也会存在着微小的差别。人类可以再杂乱的背景下看出一个人的脸，不过计算机没有这样的能力，要设计出一个能够实现这个要求的自主人脸识别系统倒是一项特别复杂且艰巨的任务，导致这些困难的原因有很多方面[5]。先是人脸因为年龄、表情、肤色的差异，具备形式的变化性；其次，正常情况下的人脸上或许存在眼镜、胡须等可变化条件；第三，因为它是一个三维物体的面，图像不可避免地受到阴影或遮挡的光线[6]。

1。2 人脸识别国内外研究现状

1。3 人脸识别技术存在的问题

所有人都知道，即便是一个婴儿也可以非常轻松地分辨别出不同的人脸，这是人类天生就有的技能，但计算机始终是计算机，它不是人类或者说是生物，它想要分辨出人脸，就必须要通过人类给它输入程序，去模仿生物进行人脸的分辨，这是十分困难的一项工作[11]。最关键的原因是因为在人脸识别中人作为生物，经常会有不同的表情和处在不同复杂的背景下，这些都是不确定性的变化因素，干扰着计算机对我们的识别，所以容易造成计算机识别人脸困难，主要体现在以下几个方面：

（1）人脸表情问题

    人脸是复杂可变的三维立体图形，在拍摄一张图片的情况下，很难用数字图像表现出来。面部表情的识别作为生物识别的一种，是非常特殊的存在。计算机想要识别出人类的表情十分困难，因为人的面部有着成千上万的肌肉组织，它们的运动也就组成了人的表情，想要通过计算机建立模型来表现出它们实在不易。所以如何有效地识别富有表情的面部图像，从而提高人脸识别率，推动表情识别进展，是一个非常困难的问题。

（2）人的脸部结构都是大同小异

    虽然比较容易定位，但是很难区分不同的人，并在图像处理过程中，距离，相机角度，光照强度和其他条件的影响在后期的人脸识别中会给出一个很大的错误[12]。

（3）人脸本生发生了改变

    例如人类自然老化，面部受伤，甚至面部遮挡和覆盖（如胡须，头发，眼镜，口罩，化妆等），这些多种不确定因素将会直接影响的人脸的特征[13]。

（4）计算困难

    人脸数据库中由于存储了大量的人脸信息，它们占据了较大的存储空间，这样就导致了计算过程时间偏长、识别率较低等问题。除此之外，还需要将提取到的图片中的特征值存储起来，这也需要额外的存储空间。但是每次训练时，最多只会采集一张或者几张图像，无法将所有的特征值都检验提取出来，因此给出的信息不足，这样就会使识别率降低了。

（5）低质量图像问题

    现在许多人脸识别系统在算法设计和模型训练方向采用的都是高质量的图像，甚至可以说是为了特地进行识别而采集的图像。然而对一些犯罪嫌疑人图像或是视频监控的图像而言，这些获得的图像往往存在着不清楚、分辨率极低、噪声高等质量问题。怎样通过人脸识别系统来增加对这些低质量图像的识别率也是一项难以解决的问题。

（6）样本缺失问题

    人脸识别算法主要是依据统计学，它需要经过大量的训练测试。因为面部图像在高维数空间呈现出的是不规则的立体图形，我们通过设备采集的图像往往最多只有几张，只是展现出人脸特征很少的一部分，如何实现在样本很少的情况下进行身份识别也是非常值得关注的。