人脸识别的技术挑战就是应用在现实环境时候遇到的各种问题吧，比如光线、采集方法、采集速度等因素都会对识别准确率产生一定的影响。 除了人脸识别模型的优化之外，实际应用中更看重软件工程优化的能力，比如抓到人脸之后在什么条件下进行识别，正脸还是侧脸？多人共同出现的情况下识别谁，人脸框最大的那个？比如采集完之后信息存在哪里？第一次识别和第二次识别的流程是否一致？怎样提高效率?硬件的外型是否方便采集？如何减小光照的影响？ 任何产品都需要经过很多时间去测试和改进，实验室的数据已经越来越没有说服力，我们的人脸识别终端产品经过不断迭代，目前已经开始批量生产，外型和功能如下： - 人脸识别闸机 用户在非配合状态下的快速身份识别技术，无须按照指定的位置及姿势进行面部图像采集，采用先进的人脸识别技术，配合高清的摄像头，仅需从视频图像中查找人脸，并与人脸数据库进行实时比对，就可实现远距离快速确认人员身份。 - 人证比对机 人证比对机，采用深度学习算法框架，算法精度99.5%，内置二代身份证读卡器，自助刷卡认证，一秒完成人证比对，适用于身份验证各个场景，认证结果可通过网络协议与业务系统对接，高效快速。 本系统采用务工人员在进场时在采集点采集身份证信息和人脸信息，并存储到系统的公有云服务器或企业自由的私有云服务器；在工人每次进出工地时，必须通过人脸识别设备进行人脸比对，验证进出场人员与实名登记者是同一个人，并精确记录每一次的进出记录或考勤信息。 - 人脸访客考勤机 开为科技的人脸访客考勤机采用大型立式安卓机，可通过联网或者线下的形式对海量照片进行比对，考勤机会自动采集并记录每个经过的人脸特征，并与后台照片进行比对，精准判断贵宾和陌生人的来访时间和性别年龄等信息。

特么的每次我卸完妆手机就不认识我了。。。

相关：博士论文相当部分是人脸识别，12年水平。 正向人脸，现在基本95%以上了，很多算法可以容忍光照变化、眼睛胡须、甚至年龄变化。 正面人脸识别能力是超过（受过训练）的人的水平的，其实现在人脸识别在门禁领域应用非常成熟广泛。 ------------主要的难点------------ 无法（用正向人脸训练集）去识别侧向人脸，包括左右侧脸，超过一定上下角度的视角看的人脸，都无法识别。 换言之，在固定场景下的人脸识别（门禁、证件等：正面，光照一致）， 技术非常成熟，应用非常广泛， 硬件简单，计算迅速，识别度超过人类（接近100%）。 但是实地场景的识别，比如街道摄像头对感兴趣区域路人的识别，识别率非常低。 顺便：我博士做的内容是正面人脸，但是在平面内旋转了，仍然能识别出来，识别率不会下降太多。（然而并没有什么实际的卵用） ----------几个可能的方向------------- 1、3D建模，用部分人脸照片数据，拟合一个3D人脸模型，从而识别各个角度的人脸。 2、生物特征综合识别，比如人脸和步态综合进行识别。姿态识别是场景识别的一个比较有前途的方向 3、神秘学：比如流型、DNN、或者某种诡异的数学方法，说不定直接解决了正面人脸去识别各个侧向人脸（不是完全没有可能，最基本的PCA刚开始感觉也很神秘，但是效果很好，开创了子空间方法。） 免责声明：我12年之后就不做这方面了，且本人本身学术很水。 上述内容不代表模式识别及机器学习领域任何尖端内容。

因实验室的原因，试过很多算法。现在人脸识别的应用包括识别、验证和基准点定位。识别指的是有一个人脸库，来了一个新的人脸，能够识别出来这个人脸是谁;而验证指的是来了两张人脸，判断这两个人脸是否是同一个人;基准点定位指的是来了一张人脸，可以检测出和训练模板相同结构的坐标点，例如说眼角、鼻翼等特征点，可以反映出人脸的结构。实际上现在后两者已经的确可以达到很高的识别率，并且已经在用了，至少之前nexus的人脸识别基准点定位还是比较准确的。并且在更复杂的情况下，例如运动模糊，对焦不准等，识别率都是很不错的。第一种情况，其实也和人脸检测的效果也有关系~楼主感兴趣其实可以去玩一下网上的demo，现在已经提供了可以直接使用的接口，例如face++。

网红

如何对韩国人进行人脸识别绝对是一大挑战! "韩国小姐(MISS KOREA)。是一年一度在韩国举办的韩国小姐选美大赛，自1955年第一届至今。比赛分为真、善、美三个竞赛选拔部分。三个竞赛部分分别选出冠亚季军一 名。“真”小姐为最高荣誉，是真正的“韩国小姐”。2013年韩国小姐候选人日前曝光。不过多位佳丽看上去样貌神似，难以分辨，一条整容流水线上的作品， 全无个人特色" .............

看了楼上技术的分析，我从社科伦理的角度来插个嘴么： [h1]挑战一：隐私的认知与突破[/h1]2017年9月9日出版的《经济学人》指出，人脸和其他生物数据（比如说指纹）的一个巨大区别是，人脸是可以进行远距离采集的，任何一个人在远处拍一张照，把照片放在人脸识别的软件里，理论上就欧了。 此外，很少有人会意识到，自己的脸是隐私，因为人脸是公开的。往往，我们会把隐私和私密划等号，现在看来，这样的等号得拆了。 当然，草根民营企业是很难有能力把人的面部图像和个人身份联系在一起的，但是政府可以啊。还记得你16岁时在公安系统留下的丑照么…… 当人脸只是一张美照或丑照时，问题还不大，但现在人脸可以用作支付或开锁工具时，你是不是应该开始慌了。 [h1]挑战二：应用场景中的公平问题[/h1]人脸不仅仅是一个name-tag，它呈现出很多机器可以识别的信息。这当然有很多好处，比如一些原本难以通过医者识别的疾病，可以更早地通过算法分析人脸、由机器诊断得出结论；再比如机器可以捕捉自闭症的一些表情，这样我们就知道他们在想什么了。 硬币的另一面是，技术也会加剧偏见和不平等。斯坦福大学近期发布的一份报告发现，机器能比人更准确地识别一个人是否为同性恋：机器识别的准确率是81%，人工识别的准确率仅为61%。在一些同性恋还被认为是犯罪的国家，这一技术的存在……还是有点吓人的。 更本质的一个不平等是——从机器学习的本质考虑，所有的脸部识别系统不可避免地玩的是一个概率游戏，但是，在白人偏多而少数族裔偏少的数据情况下（特指美国情况），训练出的结果一定是白人情境下算法表现更优的。这一类bias，在一些尝试将机器评估结果引入法院判决中的情况里，已经出现了。 [h1]挑战三：直逼人际关系的基础[/h1]都说，人是其社会关系的总和。能准确读出面部表情，会很深很远滴影响人与人之间的关系建立基础。 Dissembling helps grease the wheels of daily life. 试想，如果你的妻子/丈夫能识破你每次对话中的不耐烦；你的老板可以识别你工作场合中的每次炸毛，那婚姻和工作的关系确实会更真实，但也会更不和谐。 那所有社会关系的基础就会变，会从信任变为精准的“算计”。这样的关系可能是更理性的，但也会是更带有“功利性”（transactional）的吧。 ---------- 答案选自：独家编译 |《经济学人》警示：人脸识别会给我们带来哪些伤害？

我倒是觉得不是计算机技术方面的问题，而是目前为止人类还不能明白大脑的工作方式。

虽然人脸识别技术已经很成熟，具有很好的前景，我认为还有一个问题就是存在被伪造合法用户人脸的攻击的风险。做了一些调研和分析，传送门~知乎专栏 ——人脸识别中的活体检测

身份证照和现场人脸的跨场景识别一直都是人脸识别技术中的难点之一，很多在标准测试数据集（一般是网络图片）上做的效果还不错的人脸识别算法，到了实际现场应用时却往往大打折扣。由于二代身份证照片分辨率较低，再加上现场真人的拍摄照片可能受到光线照射不均、人脸部分遮挡（帽子、头巾、胡须、眼镜等），或者与身份证拍摄的时间跨度较大，这些因素的影响，导致人眼和传统的人脸识别技术都很难判断是否为同一人。 从业界的观点来看，人脸识别技术有着广阔的应用前景，因为与其它生物识别方式相比，人脸识别技术有着设备兼容性强、非接触、大规模识别等有点。但是人脸识别技术在发展上还存在着一些障碍，影响人脸识别效果的原因主要有以下的几个方面： 1）人脸图像的获取过程中的不确定性（如光的方向，以及光的强度等）； 2）人脸模式的多样性（如胡须，发型等）； 3）人脸塑性变形的不确定性（如表情等）； 4）所涉及的领域知识的综合性（如心理学，医学，模式识别，图像处理，数学等）。 正因为在人脸识别的过程中存在上述的各种各样的问题，因此在实际的检测和识别过程中，当这些因素叠加到一起的时候，情况就变得更加复杂。 从某种意义上来说，人脸识别的各种方法，实际上就是在寻找一种人脸的描述方式，但是要找到一种能够不受各种因素影响的描述方式非常地困难，无论是最早使用的几何描述方式以及后来比较常用的代数描述方式，都不可避免地存在各种干扰。我们只能是在以后的研究中，逐渐去完善人脸的描述方式，使之更加有效，更加准确。