人臉識別被認為是生物特征識別領域甚至人工智能領域最困難的研究課題之一，人臉識技術融合了計算機圖像處理技術與生物統計學原理于一體，利用計算機圖像處理技術從視頻中提取人像特征點，利用生物統計學的原理進行分析建立數學模型,即人臉特征模板。
將已建成的人臉特征模板與被測者的人的面像進行特征分析，根據分析的結果來給出一個相似值。通過這個值即可確定是否為同一人。而人臉識別的困難主要是人臉作為生物特征的特點所帶來的。前文中我們已經介紹過人臉識別的主要組成模塊以及其優勢。那么今天北京薩爾笛（www.scientificimaging.cn）將為您解析下在人臉識別中應注意的兩個困難點。
1、相似性：不同個體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。這樣的特點對于利用人臉進行定位是有利的，但是對于利用人臉區分人類個體是不利的。
2、易變性：人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識別還受光照條件（例如白天和夜晚，室內和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭發、胡須等）、年齡等多方面因素的影響。
在人臉識別中，第一類的變化是應該放大而作為區分個體的標準的，而第二類的變化應該消除，因為它們可以代表同一個個體。通常稱第一類變化為類間變化（inter-class difference），而稱第二類變化為類內變化（intra-class difference）。對于人臉，類內變化往往大于類間變化，從而使在受類內變化干擾的情況下利用類間變化區分個體變得異常困難。
這是一種相當引人注意的技術，它的性能也經常被誤解。關于面部識別，經常有一些夸張的言論，但實際是很難實現的。比較兩個靜態圖象是一回事，在人群中發現和確認某個人的身份而不引起別人的注意，就是完全不同的另一回事了。有些系統宣稱能做到后一點，但它們實際上做的是前一種事，這實際并不是生物識別。
隨著人臉識別技術的不斷更新升級，雖然從用戶的角度很容易理解面部識別的吸引力，但人們對這種技術的期望應該比較現實。
北京薩爾笛科技有限公司代理機器視覺產品，包括科學級相機等。科學級相機被廣泛應用在生命科學、醫療等領域。