存在困难超乎一般人想象

　　这些看上去好像并不难，但对实际的人脸识别来说，面临的困难其实是超乎想象的，王映辉教授就介绍了以下几点：

　　◎光照问题

　　这是机器视觉中存在已久的问题，在人脸识别中的表现尤为明显，即使目前最好的人脸识别系统，在室外光照环境下，其识别率也会急剧下降；

　　◎姿态问题

　　这也是目前人脸识别研究中需要解决的一个技术难点。目前多数的人脸识别算法主要针对正面、准正面人脸图像，当发生俯仰或者左右侧面比较厉害的情况下，人脸识别算法的识别率也将会急剧下降；

　　◎表情问题

　　很遗憾，人的面部不像手指、虹膜，它是有丰富表情的地方。表情是一种很复杂的肌肉运动，每种表情是几十块面部肌肉共同运动的组合，很难用一个准确的数学模型来描述这些肌肉的运动。此外，表情的表现形式也因人而异，同一种表情在不同的人面部上有不同的表现形式。因此，如何有效地识别带有表情的图像，从而提高人脸识别的准确率，也是一个重要的挑战；

　　◎遮挡问题

　　对于非配合情况下的人脸图像采集，遮挡问题是一个非常严重的问题。特别是在监控环境下，往往被监控对象都会戴着眼镜、帽子等饰物，使得被采集出来的人脸图像有可能不完整，从而影响了后面的特征提取与识别；

　　◎生长问题

　　和指纹、虹膜不同，随着年龄的变化，面部外观也会变化，特别是对于青少年，这种变化会更加明显；

　　低质量照片问题。目前的多数人脸识别系统在算法设计和模型训练方面往往都只针对图像质量很好的情况，但对智能监控、公安系统犯罪嫌疑人照片比对等应用而言，照片的质量可能非常差。如何提高系统对这些低质量照片的识别能力也是人脸识别亟待解决的关键问题之一……

　　利用三维信息拥有更好未来

　　正是由于以上存在的种种困难，人脸识别的准确性目前仍低于虹膜、指纹识别，但由于它的无侵害性和方便、友好的方式，还是得到人们更多的重视。

　　王映辉教授介绍，人脸识别技术发展到今天，许多成果仍然是在二维信息基础上取得的，而真实世界中的人脸是三维的，三维信息特别是三维图像较之二维图像更能提供完整而真实的内容。如何有效地利用人脸的三维信息进行识别，将是一个极具挑战性的研究课题。

　　每种生物特征识别技术都有其一定的适用范围和要求，单一的生物特征识别在实际应用中显现出各自的局限性，如有些人的指纹无法提取特征，患眼疾的人虹膜会发生变化等。统计显示，目前还没有一个单生物特征能达到完美无误的要求。因此，生物特征识别领域出现了一种新方向，即多模态生物特征识别技术结合使用。