人脸识别的标准是什么？
人脸识别主要识别哪里是不固定的。他可以固定识别也可以寻找最优的部位进行识别。就拿苹果手机为例，苹果手机的人脸识别每次识别的特征部位都不是固定的，他是一个学习的过程，无论怎样人脸识别识别的到底是哪个部位，这完全看程序和算法的设计，并不是固定的几个位置，可能是上百个点，不断的优化。
人脸识别的利弊
不易察觉性人脸识别技术可以采用可见光人脸图像识别，或是红外线与可见光融合的多光源人脸图像识别技术。人脸识别只要在有特定光源的情况下，就能完成不被人察觉的识别，不会令人反感也不会陷于被伪装欺骗的境地。在公安刑侦领域，特别适用于犯罪嫌疑人的跟踪与追捕。
首先是人类脸部存在相似性，不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。在加上化妆的掩盖及双胞胎的天然相似性更增加了识别的难度。
什么是人脸验证？
人脸验证回答的是 "这个人是他/她自称的人吗？"例如，你的智能手机上的生物识别认证就是人脸验证。在注册过程中，你可以设置一个认证系统，对你的脸进行检查。然后，当你用你的脸解锁你的手机时，它将这个新的面部特征与它在设置过程中的特征进行比较。如果匹配，它将解锁你的手机。然而，如果你的朋友试图用他们的脸来解锁你的手机，它就会失败，因为它与保存的面部特征不匹配。
什么是人脸识别？
人脸识别回答了 "这个人是谁 "的问题。人脸识别的一个例子是当识别被用于课堂考勤时。系统提取班上每个学生的面部特征，并将其与数据库中保存的所有学生的面部特征进行比较，以找到最佳匹配。
人脸识别类别分为人脸检测模块以及人脸识别模块。因此一个人脸识别系统是由两个模块组成。而人脸检测模块，用于在图像或视频中定位人脸。而人脸识别模块。人脸识别模块将进一步包括特征提取和人脸匹配部分。
人脸识别需要符合以下两大标准：
特征提取。
一个基于深度卷积神经网络（CNN）的特征嵌入网络被用来提取人脸的代表性特征。这个模块的输出是一个特征向量。这个特征提取器模型可以从头开始训练，也可以通过在新的数据集上微调预先训练好的模型。
脸部匹配。
在人脸注册过程中，从测试面部图像中提取的特征与已经保存在数据库中的特征进行比较。
对于人脸验证，提取的特征与一个保存的面部特征进行比较。对于面部验证，将提取的特征与保存的面部特征进行比较。分类模型经常被用于人脸识别。人脸识别的一个额外组成部分包括反欺骗，以检测人脸是活的还是欺骗的。反欺骗用于避免对系统的不同类型的攻击，并在通过特征提取网络之前使用。也被称之为人脸识别的附加组件，即去判断人脸的真实性。
