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。
人脸天生具有人体的其他生物特征(指纹、虹膜等。)，其良好的性和不易被复制的特性为身份认证提供了必要的前提。与其他类型的生物特征识别相比，人脸识别具有以下特征:
非强制性:用户几乎不需要特别配合人脸采集设备就可以无意识地采集人脸图像，所以这种采样方式不是“强制性”的；
非接触式:用户无需直接接触设备即可获得人脸图像；
并发性:在实际应用场景中可以对多张人脸进行排序、判断和识别；
此外，还符合视觉特点:“以貌取人”的特点，以及操作简单、结果直观、隐蔽性好的特点。
人脸识别需要积累大量与人脸图像相关的数据来验证算法，不断提高识别准确率，如某神经网络人脸识别赋值、orl人脸数据库、麻省理工学院生物与计算学习中心人脸识别数据库、埃塞克斯大学计算机与电子工程学院人脸识别数据等。
传统的人脸识别技术主要是基于可见光图像，这也是我们熟悉的识别方法，已经发展了30多年。但是这种方法有不可克服的缺陷，特别是当环境光照变化时，识别效果会急剧下降，不能满足实际系统的需要。解决光照问题的有三维图像人脸识别和热成像人脸识别。但这两种技术都远未成熟，识别效果也不尽如人意。
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。