人脸识别优势分析主要集中在三个方面：
一是自然性，所谓的自然性是指该识别方式同人类(包括其它生物)进行个体识别时所利用的生物特征相同，是通过观察比较人脸区分和确认身份；具有自然性的识别还有语音识别和体形识别，而指纹识别和虹膜识别等因人类或其他生物不能通过此类生物特征区别个体所以不具备自然性。
二是非强制性，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，从而带有可被伪装欺骗性。
三是非接触性，相比较其他生物识别技术而言，人脸识别是非接触的，用户不需要和设备直接接触，而同时能够满足在实际应用场景下进行多个人脸的分拣、判断及识别。
人脸识别技术应用是非常广泛的，目前在国内，政府部门和金融行业是人脸识别市场的主要客户，这些机构对安全防护有着很高的要求，而这两个行业的旺盛需求也推动了人脸识别市场的快速发展。人脸识别市场，除了金融行业、公安监狱、政府行业、边境管制等对保安要求较高的行业外，一些普通用户也逐渐开始接受和使用相关产品，在新兴的信息安全应用领域，人脸识别技术能提供更为安全可靠易用的身份鉴别手段，从而提升整个网络信息系统的安全性能，有效地遏止各类网络违法犯罪活动。目前，人脸识别技术在传统的安防领域可以便捷的与原有技术实现紧密的结合，大大提升原有系统的智能化程度、安全性及易用性，拓展了原有系统的应用领域，从而促进了传统产业的技术升级。从市场发展前景来看，人脸识别技术的发展空间是不可小觑的。
人脸识别系统的市场大小，在很大程度上与人口数量的密度相关，而中国是一个人口高密度国家。虽然目前国内的人脸识别技术和产品应用还存在技术水平已经相对完善，但市场接受度还处于初级发展阶段等问题，还需要进行大量的市场培育来提升市场认知度。但相比起早几年前从事人脸识别研发的安防企业所处于尴尬境地已经有了明显改观。几年前，很多企业虽然研制出了芯片与算法，但这些技术并不能获得市场认可，企业单靠技术也难以生存，便有观点认为是由于生物识别市场不成熟和市场需求不足，导致企业不能再专注于技术；也有观点认为，市场需求充足，但人脸识别技术水平尚无法满足市场需要，才导致这些企业陷入困境。
从2008年开始，人脸识别市场的规模效益才逐步显现出来，近三四来的发展速度也非常迅速。几年前，政府在这方面的关注度和重视度也不高，近几年来政府推广和重视力度也不断加强，物联网的发展、平安城市建设都是很好的发展例子，但任何发展都需要经历一个市场认知到市场接受的过程。
人脸识别仍面临挑战
从实际测试来看，用户的预期与当前的技术水平之间的差距还是比较大的。人脸识别技术在动态监控应用中面临的压力实际上也比较大。
1.用户希望正确报警率要求高。而现实是理论上来说必须接受高误报率。在技术方面，要达到高正确报警率，可以通过降低阈值来实现，但是降低阈值的代价是：高误报率。为了达到95%正确报警率，很多算法可能会产生300%或更高的误报率。
2.用户希望监控库足够大，往往要求数万或几十万，甚至上百万的监控名单，希望能捕到“大鱼”。现实是库容量大就必须接受高误报率。
3.用户希望大规模成网建设，能够勾画出监控人员的活动轨迹。现实是必须高投入，重新建专用网络和相关硬件。
4.用户希望尽量使用目前的监控设备(摄像机和网络)。现实是现有的摄像机清晰度不够，图像质量差，用于场景监控时视频中人脸过小，网络带宽不够等等造成无法使用现有设备。
5.用户希望少产生误报甚至不产生误报。现实是这样就必将损失正确报警率和减少监控库容量，与用户的想法相违。
6.光照问题
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。
7.人脸姿态和饰物问题
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、抬头等的各种非正脸的姿态和佩戴帽子、黑框眼镜、口罩等饰物现象。
8.摄像机的图像问题
摄像机很多技术参数影响视频图像的质量，这些因素有感光器(CCD、CMOS)、感光器的大小、DSP的处理速度、内置图像处理芯片和镜头等，同时摄像机内置的一些设置参数也将影响视频质量，如曝光时间、光圈、动态白平衡等参数。
9.丢帧和丢脸问题
需要的网络识别和系统的计算识别可能会造成视频的丢帧和丢脸现象，特别是监控人流量大的区域，由于网络传输的带宽问题和计算能力问题，常常引起丢帧和丢脸。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
