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。
基于模板匹配人脸检测技术——从数据库当中提取人脸模板，接着采取一定模板匹配策略，使抓取人脸图像与从模板库提取图片相匹配，由相关性的高低和所匹配的模板大小确定人脸大小以及位置信息。
通常采取三种应对措施，使人脸识别系统能正常运作：
1. 工程角度：研发质量模型，对检测到人脸质量进行评价，质量较差则不识别/检验。
2. 应用角度：施加场景限制，比如刷脸，人脸闸机，会场签到时，都要求用户在良好的光照条件下正对摄像头，以避免采集到质量差的图片。
3. 算法角度：提升人脸识别模型性能，在训练数据里添加更多复杂场景和质量的照片，以增强模型的抗干扰能力。
同一人的不通照片提取出的特征，在特征空间里距离很近，不同人的脸在特征空间里相距较远。
再来考虑人脸识别领域的两个问题：人脸验证和人脸识别。
在光照较差，遮挡，形变（大笑），侧脸等诸多条件下，***网络很难提取出与“标准脸”相似的特征，异常脸在特征空间里落到错误的位置，导致识别和验证失败。这是现代人脸识别系统的局限，一定程度上也是深度学习（深度***网络）的局限。准确性高:人脸识别服务在多个国际公开竞赛中刷新纪录，人脸比对在 2017 年的LFW 测评准确度高达 99.80%，人脸检索在 MegaFace 竞赛 100 万规模中首1选识别率 83.29% 排名一，识别准确率业界领1先。
应用广泛国内一家在***行业全量上线，已应用于众多***、***和市政的开1户、密码修改、绑卡等场景，核身数据，差错率低于百万分之一。