人脸识别的难点
1、图像光线：识别的视频和图片面临各种环境光源的考验，可能出现侧光、顶光、背光和高光等现象，而且有可能出现各个时段的光照不同，甚至在监控区域内各个位置的光照都不同。
2、人脸姿态和饰物：因为监控是非配合型的，监控人员通过监控区域时以自然的姿态通过，因此可能出现侧脸、低头、抬头等各种非正脸的姿态和佩戴帽子、黑框眼镜、口罩等饰物现象。
3、人的脸部存在相似性：不同个体之间特别是同一民族的区别不大，所有人脸的结构都相似，甚至人脸的结构外形都很相似。这样的特点对于利用人脸进行***是有利的，但是对于利用人脸区分个体是不利的。再加上化妆的掩盖及双胞胎的天然相似性更增加了识别的难度。
4、人脸存在易变性：人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大。
人脸识别是基于人的脸部特***息进行身份识别的一种生物识别技术。说简单点，人脸识别解决“这是谁的脸”问题。
人脸检测是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回脸的位置、大小和姿态. 说简单点，人脸检测解决“是不是人脸”的问题。
所以，人脸检测是人脸识别的关键环节。***行人脸检测，获得人脸图像信息，然后再进行人脸识别，确定身份。
人脸识别系统的三大关键技术包括基于特征的人脸检测技术，基于模板匹配人脸检测技术，基于统计的人脸检测技术。
1、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。
2、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。
3、基于统计的人脸检测技术
通过对于“人脸”和“非人脸”的图像大量搜集构成的人脸正、负样本库，采用统计方法强化训练该系统，从而实现对人脸和非人脸的模式进行检测和分类。
