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。
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。
人脸识别非强制性，被识别的人脸图像信息可以主动获取而不被被测个体察觉，人脸识别是利用可见光获取人脸图像信息，而不同于***识别或者虹膜识别需要利用电子压力传感器采集***，这些特殊的采集方式很容易被人察觉，从而带有可被伪装欺骗性。
人脸识别技术在使用方式上，辨识方便性上，留存现场使用者人像照片上均有非常明显的优势，但是人脸识别技术还是存在些许的发展瓶颈。