3D人脸识别能够很好地克服2D人脸识别遇到的姿态、光照、表情等问题。主要原因是2D图像无法很好地表示深度信息。通常，3D人脸识别方法使用3D扫描技术获取3D人脸，然后建立3D人脸模型并用于识别。不过，3D人脸识别技术的缺点也是很明显的。首先它需要额外的3D采集设备或双目立体视觉技术，其次，建模过程需要的计算量较大。相信随着未来芯片技术的发展，当计算能力不再受到制约，采集设备成本大幅下降的时候，3D人脸识别将会成为热门技术之一。
人脸识别在应用中的挑战
从实际测试来看，用户的预期与当前的技术水平之间的差距还是比较大的。人脸识别技术在动态监控应用中面临的压力实际上也比较大。
1.用户希望正确报警率要求高。而现实是理论上来说必须接受高误报率。在技术方面，要达到高正确报警率，可以通过降低阈值来实现，但是降低阈值的代价是：高误报率。为了达到95%正确报警率，很多算法可能会产生300%或更高的误报率。
2.用户希望监控库足够大，往往要求数万或几十万，甚至上百万的监控名单，希望能捕到“大鱼”。现实是库容量大就必须接受高误报率。
3. 用户希望大规模成网建设，能够勾画出监控人员的活动轨迹。 现实是必须高投入，重新建专用网络和相关硬件。
4. 用户希望尽量使用目前的监控设备(摄像机和网络)。 现实是现有的摄像机清晰度不够，图像质量差，用于场景监控时视频中人脸过小，网络带宽不够等等造成无法使用现有设备。
5. 用户希望少产生误报甚至不产生误报。 现实是这样就必将损失正确报警率和减少监控库容量，与用户的想法相违。
6.光照问题
面临各种环境光源的考验，可能出现侧光、顶光、背光和高光等现象，而且有可能出现各个时段的光照不同，甚至在监控区域内各个位置的光照都不同。
7. 人脸姿态和饰物问题
因为监控是非配合型的，监控人员通过监控区域时以自然的姿态通过，因此可能出现侧脸、低头、抬头等的各种非正脸的姿态和佩戴帽子、黑框眼镜、口罩等饰物现象。
8. 摄像机的图像问题
摄像机很多技术参数影响视频图像的质量，这些因素有感光器(CCD、CMOS)、感光器的大小、DSP的处理速度、内置图像处理芯片和镜头等，同时摄像机内置的一些设置参数也将影响视频质量，如曝光时间、光圈、动态白平衡等参数。
9.丢帧和丢脸问题
需要的网络识别和系统的计算识别可能会造成视频的丢帧和丢脸现象，特别是监控人流量大的区域，由于网络传输的带宽问题和计算能力问题，常常引起丢帧和丢脸。