人脸识别被认为是生物特征识别乃至人工智能领域的难点研究课题之一。人脸识别的难度主要是由人脸作为生物特征的特性造成的。
类似
不同个体之间差别不大。所有的人脸在结构上都是相似的，甚至面部器官的结构和外观也是相似的。这一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。
可变性
人脸的外观是很不稳定的，人可以通过人脸的变化产生很多表情，从不同的观察角度看人脸的视觉图像也有很大的不同。此外，人脸识别还会受到光照条件的影响(如白天黑夜、室内室外等。)，脸的很多遮盖物(比如口罩，墨镜，头发，胡子等。)，年龄等诸多因素。
在人脸识别中，类变化应该被放大作为区分个体的标准，而第二类变化应该被剔除，因为它们可以代表同一个个体。通常，阶级的变化称为阶级间的差异，第二种变化称为阶级内的差异。对于人脸来说，类内变异往往大于类间变异，这使得在类内变异的干扰下，利用类间变异区分个体变得异常困难。
人脸识别系统包括图像采集、人脸定位、图像预处理和人脸识别(身份确认或身份搜索)。系统的输入一般是一幅或一系列身份未定的人脸图像，以及人脸数据库中若干幅身份已知或对应编码的人脸图像，而输出则是一系列相似度得分，表示待识别人脸的身份。
传统的人脸识别技术主要是基于可见光图
一种快速发展的解决方案是基于主动近红外图像的多光源人脸识别技术。它能克服光线变化的影响，取得了良好的识别性能。整体系统性能在准确率、稳定性和速度方面都超过了三维图像人脸识别。这项技术在近两三年发展迅速，使得人脸识别技术逐渐实用化。
人脸识别的优势在于它的自然性和不被被测试者观察到。
所谓自然，是指识别方法与人类(甚至其他生物)在个体识别中使用的生物特征相同。比如人脸识别，人类通过对人脸的观察和比对来区分和确认身份。此外，还有语音识别、图形识别等自然识别，而指纹识别、虹膜识别等则不是自然的，因为人类或其他生物并不以这样的生物特征来区分个体。
不被发现的特性对于一种识别方法来说也是非常重要的，它会使识别方法不具有攻击性，不容易被欺骗，因为它不容易引起人们的注意。人脸识别就有这方面的特点。它完全利用可见光获取人脸图像信息，与指纹识别或虹膜识别不同。它需要使用电子压力传感器来采集指纹或红外线来采集虹膜图像。这些特殊的收款方式容易被人察觉，更容易被伪装和欺骗。