人脸识别又称人像识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。构建人脸识别系统的一系列相关技术，包括人脸图像采集、预处理、人脸定位、特征提取、比对识别、身份确认以及身份查找等。实际人脸识别系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图像或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。

       人脸识别的优势在于其友好便捷特点：友好对于一种识别方法非常重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人像识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。

　　虽然人脸识别有很多其他识别无法比拟的优点，但是它本身也存在许多困难。人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。人脸在视觉上的特点是：

　　第一，不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的；

　　第二，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，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。

　　在人脸识别中，第一类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称第一类变化为类间变化（Inter-class Difference），而称第二类变化为类内变化（Intra-class Difference）。那么，对于人脸，类内变化往往大于类间变化，如何在受类内变化干扰的情况下利用类间变化区分个体，是人脸识别的技术关键所在，也是人脸识别算法的出发点。

　　人脸识别主要应用在：第一，公安刑侦破案：通过查询目标人脸数据寻找数据库中是否存在重点人口基本信息，例如在机场或车站安装系统以抓捕在逃案犯；第二，门禁系统：受安全保护的地区可以通过人脸识别辨识试图进入者的身份；第三，摄像监视系统：在机场、体育场、超级市场等公共场所对人群进行监视，以达到身份识别的目的，例如在机场安装监视系统以防止恐怖分子登机；第三，网络应用：利用人像识别辅助信用卡网络支付，以防止非信用卡的拥有者使用信用卡等。