首先，从技术上来说，识别模板的长久性依然是人脸识别的诟病。虽然，面部图像确实是最直观也最易让人判断的生物特征，但是，它同样也是最易发生大面积变化的人体区域。由于光照、姿态、年龄的变化，能够让模板始终随着这些变化而工作，着实不是一件容易的事情。

　　特别是年龄变化问题。随着年龄的变化，面部外观也会变化，特别是对于青少年，这种变化更加明显。对于不同的年龄段，人脸识别算法的识别率也不同。年龄变化对人脸识别算法的影响也必须得到解决。

　　其次，人脸识别在整个生物识别中是比较新的技术，但是这种新潮却并非只有优势。不可否认，人脸识别的快速普及，多少存在一些人们“尝鲜儿”的心理--人们对于新技术充满好奇心，跃跃欲试。然而，也正因为“新”，其准确率还未得到足够的证明，于是用户往往也容易产生不信任的心里，因而在面对具有不确定性因素的人脸识别时，如果失去了新鲜感之后，恐怕不少的用户还会更倾向于选择已经熟知的生物识别技术。

　　其三，对于非配合情况下的人脸图像采集，遮挡问题非常严重。特别是在监控环境下，被监控对象可能会戴着眼镜、帽子等饰物，使得被采集的人脸图像有可能不完整，从而影响了后面的特征提取与识别，甚至会导致人脸检测算法的失效。如何有效地去除遮挡物的影响，是非常紧迫的研究课题。

　　最后，活动人脸的识别要求系统有较高的识别速度。其中包括人脸检测的速度以及人脸的识别速度。在40ms内可以实现人脸检测，在10万人的数据库中，2秒内完成从人脸检测定位到人脸识别的全过程，应能满足大多数实际应用的要求。