1.面部相似。

　　个体之间差别不大。所有的面部在结构上都是相似的，甚至面部器官的结构和外观都非常相似。该特征有利于利用人脸进行定位，但不利于利用人脸区分人类个体。

　　以模仿某个明星为目标的化妆、整容等人为因素，增加了这个问题的难度。尤其是双胞胎，人脸识别系统能否正确识别他们，在学术界其实是有争议的。有专家认为，双胞胎根本不应该用人脸识别技术来区分，也不能用人脸识别技术来准确区分。

　　2.动态识别。

　　在人脸识别不协调的情况下，由于运动或相机对焦不正确导致的人脸图像模糊，会严重影响人脸识别的成功率。这种难度在安检、监控、识别的使用中表现得很明显，比如地铁、高速公路卡口、车站卡口、超市反扒、边检等。

　　3.面对安全。

　　伪人脸图像识别的主要欺骗手段是建立三维模型或嫁接一些表情。随着人脸防伪技术的提高，3D人脸识别技术、摄像头等智能计算视觉技术的引入，假人脸图像识别的成功率将大大降低。

　　4.缺少样品。

　　基于统计学习的人脸识别算法是目前人脸识别领域的主流算法，但统计学习方法需要大量的训练。由于人脸图像在高维空间中的分布是一种不规则的流形分布，因此能够获得的样本只是人脸图像空间中的极小一部分。如何解决小样本下的统计学习问题需要进一步研究。此外，参与训练的人脸图像数据库基本都是外国人的图像，关于中国人和亚洲人的人脸图像数据库非常少，使得人脸识别模型的训练更加困难。

　　5.图像质量问题。

　　人脸图像的来源可能有所不同，由于采集设备的不同，获得的人脸图像的质量也不同。特别是对于那些分辨率低、噪声大、质量差的人脸图像(如手机摄像头拍摄的人脸图片、远程监控拍摄的图片等)。)，如何有效识别人脸是一个需要关注的问题。同样，高分辨率图像对人脸识别算法的影响也需要进一步研究。现在我们在识别人脸的时候，一般都是使用大小相同、清晰度相近的人脸图片，所以图像质量的问题基本可以解决，但是面对现实中比较复杂的问题，我们需要继续优化处理。