人脸识别在人类日常生活中普及 导致数据库逐渐扩大

大多数人脸识别产品研究方向目前走向“两极”。一极是大型系统：在应用中，数据库越大越好，速度越快越好，识别率越高越好。另一极是小型模块或芯片：模块或芯片越小越实用，越容易和更多产品集成，使用范围更加广阔。

特征传感器

人脸特征都是通过光学传感器如CCD或CMOS形成图像信号，因此受光线影响较大，即使外加主动光源能够克服光线变化，但对人脸特征仍然有影响，且增加产品成本，所以人脸识别领域研究人员设计了红外成像设备，来适应人脸模式随光照变化的内差异，从而克服光线影响，提高识别率，但是因图像显示信息非正常彩色模式，所以还是不能满足用户需求。为了提高人脸识别系统的易用性、舒适性和用户的接受程度，同时又要保证生物特征信号的质量，此外还要小巧精致、成本低廉，特征传感器还有许多需要改进的地方。

活体检测

为了防止恶意者伪造和窃取他人的人脸特征用于身份认证，人脸识别系统必须具有活体检测功能，即判别向系统提交的人脸特征是否来自有生命的个体。活体人脸检测可以基于头部的移动、呼吸、红眼、眨眼、温度效应、频谱特征等信息。此外，还可以通过人机互动的形式检测生物特征的活体特性;使用多模态生物特征识别系统也可以提高伪造的难度，但成本增加，操作复杂。所以，活体检测技术将是生物人脸识别系统进入高端安全应用的最大瓶颈。

信号质量

人脸特征一般是以连续的视频流的形式进行获取。由于有效的人脸特征采集范围总是有限的，再加上人的运动、姿态变化等因素，传输到计算机的特征信号大部分都是不合格的。而高质量的特征信号是进行特征表达和身份识别的基础，低质量的特征信号有可能引起错误接收或错误拒绝，降低系统的实用性和安全性，浪费大量的计算资源在无效的特征信号处理上。

特征数据库检索

随着人脸识别技术在人类日常生活中的普及，使用人数的增长必然导致人脸特征数据库的不断扩大。这种规模的扩大不仅仅表现在数据存储量的扩大，还表现在从数据库中搜索某一条记录所耗费时间的增加。例如在一对多的超大规模（如一个城市、一个国家）人脸识别应用中，完成一次识别的时间的长度将会让人无法忍受，并且识别率大大降低。另外作为人脸特征：人的化妆、年龄增长、体态的变化，都会影响和数据库的比对检索结果。