据www.physorg.com网站2007年2月7日报道，计算机视觉研究人员最富挑战性的工作就是设计一种能自动识别特有面孔的系统。人类可以在不到50毫秒的时间内几乎不知不觉完成识别，好像人在出生时就预编好程序似的。但是由于目前的计算技术滞后于生物技术的发展，科学家希望将来有一天计算机技术不仅能满足面孔识别需求，而且还能超越以及不断改善人的视觉处理能力。
美国哈佛大学科学家理查德.拉塞尔告诉PhysOrg网站说，“人的大脑具有惊人的脸部识别能力。如果不从中学习将是一种浪费，特别是目前还没有任何计算机技术能够接近人类大脑所表现出的这种脸部识别能力。”
麻省理工学院研究员帕旺.辛哈、本杰明.巴拉斯和虞利.奥斯特维斯基与拉塞尔一样虽对计算机科学有着浓厚的兴趣，却花费了大量时间来研究人类大脑。他们最近在美国电气和电子工程师协会学报上发表了一篇题为“人类面孔识别：所有计算机视觉研究人员应当了解的19种结果”的论文，研究小组汇编了19幅小插图以研究人如何识别面孔。尽管他们非常谨慎地指出视觉系统不会盲目地模仿人的感知，但是科学家还是充分考虑到了19个结果分别对自动面孔识别系统设计的影响。
研究给了我们一个非常有趣的整体印象，即人在识别面孔方面表现卓越，甚至在极其模糊的状态下也是如此。比如，人可以从非常低分辨率图像中识别出熟悉的面孔。科学家推测，我们之所以能做到这点，是因为我们经常必须在很远的距离和运动中识别人。然而，识别一张不熟悉面容的模糊图像将显得更加困难，这正好可以解释为什么在警察一堆人中识别出未知嫌疑犯非常困难的原因。
我们并不需要在识别一个人时观察他脸上的所有特征，我们能够从横坐标或者纵坐标严重扭曲的图像中（或者是在一个哈哈镜中）很容易识别出面孔。巴拉斯解释道，“人识别能力不仅在严重失真的环境下表现良好，而且甚至在环境极佳的情况下，我们的视觉系统也不会费心去储存我们所看到物体的精确图像。识别可以毫无困难地找到从图像中恢复其精确特征的途径，但是通常情况下，在快速判断解决上却遇到更多的困难。”科学家解释称，这些识别能力可能是基于人大脑处理面容的一种本性：面部特征不像其它物体，大脑可以对面容进行整体而不是零碎处理。然而，年幼小孩大脑可能是利用零碎的处理方式，而在长到约10岁之后开始采用整体处理方法。
单一面部特征是进行识别的最重要因素，但让人有点惊讶的是，人们似乎在进行面部识别时最依赖的面部特征并不是眼睛而是眉毛。尽管面部形态在识别过程中发挥着重要作用，但研究人员指出皮肤颜色（甚至细小的肤色差别）发挥着与面部形态至少是相同的重要作用。辛哈等人暗示，这些面部区域也行会引起计算机设计师的高度关注。
“在过去几年中识别技术主要强调的是安全功能，比如：发现恐怖主义分子和罪犯；确认有权进入一些敏感地区。”奥斯特维斯基说：“但是识别技术还有许多其它有趣的或实际的应用价值，比如：在拥挤的露天体育场找到你的朋友或在进行新闻广播时自动确认名人或政治家的身份。未来，它还可以为你的电子设备进行快速个性化设置。（比如，计算机、手机和‘智能家居’产品）。我们做许多事情需要分别依靠周围不同的人，而电子设置应该可以做同样的事情而不再需要每次都明确地注册。
”
由于人类可以在光线不断变化、背景噪声嘈杂或远距离的情况下很轻松地进行面部识别，计算机系统也可以通过学习大脑的识别机制而获益。正如科研人员所暗示的那样，我们的大脑很可能在进行面部识别时运用了专门的神经资源——也许计算机可以利用类似的“大脑”区域来处理面部特征。但是计算机也许可以找到更好的识别方式。
“当有人想方设法进行欺骗并盗用他人的身份时，过份通用化可能是一个缺点。”辛哈解释道：“在这些情况下，一种以细节为导向的设计方案也许更加适当，比如检查虹膜的精确形态或面部特殊之间的精确距离，尽管对人而言这是难以做到的。”
由于人类可以在光线不断变化、背景噪声嘈杂或远距离的情况下很轻松地进行面部识别，计算机系统也可以通过学习大脑的识别机制而获益。正如科研人员所暗示的那样，我们的大脑很可能在进行面部识别时运用了专门的神经资源——也许计算机可以利用类似的“大脑”区域来处理面部特征。但是计算机也许可以找到更好的识别方式。
“当有人想方设法进行欺骗并盗用他人的身份时，过份通用化可能是一个缺点。”辛哈解释道：“在这些情况下，一种以细节为导向的设计方案也许更加适当，比如检查虹膜的精确形态或面部特殊之间的精确距离，尽管对人而言这是难以做到的。”