科技的发展，人脸识别技术正广泛应用在我们的生活，也在逐渐改变我们的生活，给我们带来更多的方便。今天给大家介绍一下人脸识别特征有哪些？人脸识别技术的应用有哪些难题存在呢？
人脸识别特征介绍
1、几何特征，这是从面部点之间的距离和比率作为特征，识别速度快，需要内存比较小，对于光照敏感度降低。
2、基于模型特征，这是根据不同特征状态所具备的概率不同来提取人脸图像特征。
3、基于统计特征，就是将人脸图像视为随机向量，并用统计方法辨别不同人脸特征模式，比较典型的有特征脸、独立成分分析、奇异值分解等。
4、基于神经网络特征，这是利用很多的神经单元对人脸图像特征进行联想存储和记忆，根据不同神经单元状态的概率实现对人脸图像准确识别。
难题概括
1、光照问题，光照变化是影响人脸识别性能的关键因素，对于这个问题的解决程度关系着人脸识别应用进程的成败。因为人脸的3D结构，光照投射出的阴影会加强或减弱原有的人脸特征。特别是在晚上，可能是因为光线不足造成的面部阴影，会导致识别率的下降，使得人脸识别系统难以满足应用需求。
2、姿态问题，人脸识别是依据人的面部表象特征来进行识别，如何识别由姿态引起的面部变化是这项技术的难点之一。姿态问题关联到头部在三维垂直坐标系中绕三个轴的旋转造成的面部变化，垂直于图像平面的两个方向的深度旋转会造成面部信息的部分缺失，使得姿态问题成为人脸识别的一个技术难题。
3、表情问题，面部幅度较大的哭、笑、愤怒等表情变化也会影响着人脸识别的准确率。但现在，不管是张嘴还是做一些夸张的表情，计算机可以通过三维建模和姿态表情校正的方法来把它纠正。
4、遮挡问题，这个问题是对于没有在配合情况下的人脸图像采集，是一个比较严重的问题。尤其是在监控环境下，被监控对象都会带着眼镜、帽子等饰物，使得被采集出来的人脸图像可能不完整，从而影响后面的特征提取与识别，还有可能导致人脸检测算法的失效。
5、年龄变化，每一个人都会随着年龄的变化，从少年变成青年，变成老年，容貌也会发生变化，从而导致识别率的下降。而对于不同的年龄段，人脸识别算法的识别率也不同。
6、人脸相似性，因为不同个体之间的区别不大，所有的人脸的结构都相似，有可能人脸器官的结构外形也是相似的。这样的特点对于利用人脸进行定位是有利的，但利用人脸来分别人类个体是不利的。
7、动态识别，这是在非配合性的人脸识别情况下，运动会可能导致面部图像模糊或摄像头对焦不正确，这样也会影响到人脸识别的准确率。例如在地铁、高速公路卡口、边检等安保和监控识别的使用中，这个问题比较明显。
8、人脸防伪，伪造人脸图像进行识别是比较常见的欺骗手段，是通过建立一个三维模型，或者是一些表情的嫁接进行伪造识别。但随着人脸防伪技术的完善、3D人脸识别技术、摄像头等智能计算视觉技术的引入，伪造人脸图像进行识别的准确率大大的降低。
9、图像质量问题，因为人脸图像的来源有可能是多种多样的，而且由于采集设备的不同，得到的人脸图像质量也会不用，而对于低分辨率、噪声大、质量差的人脸图像如何进行有效的人脸识别是需要要关注的问题。而对于高分辨率图像的人脸识别算法的影响也需要进一步的研究。
10、样本缺乏，基于统计学习的人脸识别算法是现在人脸识别中的主流算法，但统计学习方法要很多的训练。因为人脸图像在高维空间中的分布是一个不规则的流形分布，可以得到的样本只是对人脸图像空间中的很小部分的采样，如何解决小样本下的统计学习问题，这需要近一步的研究。
随着人工智能的发展，科学技术的不断进步，人脸识别技术会有更多的应用方向，它的安全问题也会逐渐被重视。更多关于人脸识别资讯，人脸识别产品，人脸识别技术，请关注畅视智能官网。