人脸识别分为辩识(identification)、验证(verification)、监视目标人识别(watchlist)三类。辩识是通过未知人的人脸图像与数据库内已知身份的人脸图像进行比对来确定未知人身份的过程，是一对多的人脸识别;验证是通过当前被识别人的人脸图像与数据库中被识别人所声明身份的人脸图像的比对来验证被识别人所声明身份对或错的过程，属于一对一的人脸识别;监视目标人识别，是对于一个未知身份的待测样本，人脸识别系统探测其是否在监视名单上，属于一对多的人脸识别。
在识别中，监视目标人识别是最难的，主要原因在于非主动性的识别方式和场景的差异性，姿态、光照以及年龄、人脸分辨率等方面的变化严重地影响了人脸识别率。许多研究单位一直在研究如何将人脸识别技术应用到监控中。在当前的条件下，首先应该考虑的仍然是拍摄到好的人脸图像。除算法方面的努力外，从系统应用本身来看，主要需要解决如下的问题：系统结构问题、人脸分辨率问题、姿态问题、光照问题和年龄问题。
4、发展前景与趋势预测
毫无疑问，人脸识别技术将得到进一步完善。今年，佳都科技投资专注于人脸识别等智能分析算法及产品研发的云从公司，加快人工智能商业化应用的进程;阿里巴巴将与国内生物识别领域知名企业海鑫科金共同建设“阿里巴巴人脸比对系统”，在淘宝开户认证过程中引入“人脸比对”系统;腾讯财付通与全国公民身份证号码查询服务中心达成人像比对服务的战略合作，利用其庞大丰富权威的图像样本数据库可以应用于广泛的场景;民生银行将人脸识别引入客户身份认证环节，目前已完成了人脸识别软件平台及客户化一期开发。人脸识别技术的深入应用将“实人认证”真正推向实用化，有利于人脸识别技术的进一步完善和规范。
另一方面，智能视频分析技术发展前景也是光明的。从技术角度来看，为提升智能视频分析技术的应用性，使得智能视频分析产品真正市场化，智能视频分析的厂商在完善核心算法的同时，必然将向以下方向发展：第一，适应更为复杂和多变的场景;第二，识别和分析更多的行为和异常事件;第三，降低成本;第四，多样化的产品形态。随着视频监控的需求日益复杂化，如何能识别与分析更多的行为成为了智能视频在深化行业应用中不得不面临的问题。只有结合行业应用实际，深入了解各不同行业的具体问题，才能更好地抓住用户需求，将智能视频分析技术的功能落实到应用的实处，这也是智能视频分析技术未来产业化价值的最终体现。
2014年8月1日，《安防监控视频实时智能分析设备技术要求》文件出炉，它标志着我国首个视频智能分析国家标准正式出台。这个标准规定了安防监控视频实时智能分析设备的功能、性能、接口、电磁兼容性、环境适应性、试验方法、检验规则等内容，是嵌入式视频实时智能分析设备进行设计、生产、检验的依据。该标准适用于安防监控系统中应用的嵌入式视频实时智能分析设备，其他行业的视频智能分析产品和应用系统可参考采用。目前市场上已出现了多种实时视频智能分析设备，但这些产品分别由不同的厂家生产，缺少统一的规范和接口，导致其在监控系统中的应用受到了限制。《安防监控视频实时智能分析设备技术要求》的实施将进一步规范安防监控嵌入式视频实时智能分析设备，为安防监控视频智能分析技术的发展奠定了基础。
当前，视频监控产生的数据量非常庞大，而且增长迅猛，但其价值密度较低，只有对其进行深度的挖掘，才能使其发挥出数据本身所应具有的应用价值。如何在海量数据库中寻找到所需的人员面部信息，需要智能分析+人脸识别，另加入视频数据挖掘技术，才能够真正实现大安防监控的作用。因而，基于人脸识别的视频分析智能报警系统将会得到广泛应用。
5、结束语
人脸识别带动生物识别发展。未来的识别领域，为了区别人与人或物与物之间的不同，发挥生物识别唯一性与准确性等特点，在大安防市场中，如何快速定位一个人的踪迹，或许这需要一个对比过程。同时，视频智能分析技术的应用，不止停留在原来能“看”(监控)的程度;还能“懂”得监控场景中目标物体的行为;能够“想”目标物体是什么，行为意味着什么;更可以把想的结果说出来。从以前的“被动监控”向“事前控制、主动预警、事中追踪、事后分析”转变。以当前的应用来看，智能分析虽然有了长足的进步，但应用效果仍有待提高，智能视频分析技术在依托于物联网大背景下，将会随着安防监控大平台发展，向更加集成化、智能化的方向发展。