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。
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。
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。
区域特征分析算法结合了计算机图像处理技术和生物统计学原理，广泛应用于人脸识别系统中。它利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学原理分析并建立数学模型，具有广阔的发展前景。