随着科学技术的不断发展和进步，人像识别技术的日益成熟和完善，人像生物识别技术作为******前沿的生物识别技术及图像处理技术，在当今社会公共安全防范、刑侦、技侦、网络安全、***安全等诸多领域将发挥着独有的不可替代的作用，是人类社会科学技术发展与进步的里程碑。
动态人脸识别是不需要停驻等待，你只要出现在一定识别范围内，无论你是行走还是停立，系统就会自动进行识别，也就是说，人以自然的形态走过去，摄像头会进行信息的抓拍和采集，发出相应的指令，进行动态人脸识别，同时可上传信号给门禁控制器实现动态人脸识别的门禁考勤系统。
人脸识别的发展历史
第壹阶段（1950s—1980s）初级阶段
人脸识别被当作一个一般性的模式识别问题，主流技术基于人脸的几何结构特征。这集中体现在人们对于剪影（Profile）的研究上，人们对面部剪影曲线的结构特征提取与分析方面进行了大量研究。人工***网络也一度曾经被研究人员用于人脸识别问题中。较早从事 AFR 研究的研究人员除了布莱索（Bledsoe）外还有戈登斯泰因（Goldstein）、哈蒙（Harmon）以及金出武雄(Kanade Takeo)等。总体而言，这一阶段是人脸识别研究的初级阶段，非常重要的成果不是很多，也基本没有获得实际应用。
第二阶段（1990s）高潮阶段
这一阶段尽管时间相对短暂，但人脸识别却发展迅速，不但出现了很多经典的方法，还出现了若干商业化运作的人脸识别系统，比如***为知名的 Visionics（现为 Identix）的 FaceIt 系统。 从技术方案上看， 2D人脸图像线性子空间判别分析、统计表观模型、统计模式识别方法是这一阶段内的主流技术。
第三阶段（1990s末~现在）
人脸识别的研究不断深入，研究者开始关注面向真实条件的人脸识别问题，主要包括以下四个方面的研究：
1）提出不同的人脸空间模型，包括以线性判别分析为代表的线性建模方法，以Kernel方法为代表的非线性建模方法和基于3D信息的3D人脸识别方法。
2）深入分析和研究影响人脸识别的因素，包括光照不变人脸识别、姿态不变人脸识别和表情不变人脸识别等。
3）利用新的特征表示，包括局部描述子（Gabor Face, LBP Face等）和深度学习方法。
4）利用新的数据源，例如基于视频的人脸识别和基于素描、近红外图像的人脸识别。
关于人脸识别的市场研究
1. ***人脸识别市场
前瞻根据人脸识别行业发展现状；到2016年，***生物识别市场规模在127.13亿美元左右，其中人脸识别规模约26.53亿美元，占比在20%左右。预计到2021年，***人脸识别市场预计将达到63.7亿美元，按预计期间的复合增长率达17.83％。
2. 中国人脸识别市场
前瞻根据人脸识别行业发展现状，估算我国人脸识别市场规模约占***市场的10%左右。2010-2016年，我国人脸识别市场规模逐年增长，年均复合增长率达27%。2016年，我国人脸识别行业市场规模约为17.25亿元，同比增长27.97%，增速较上年上升4.64个百分点。
