应用深度学习的人脸识别系统，早期需要把现实的图像抽象成一系列数据进行学习及了解人脸的特征，在构建了一套最基本的人工智能学习算法后，提供大量人脸及非人脸照片，包括同样的人脸在不同光线、表情、角度的照片，让计算机去适应辨别、学习。
计算能力变得更强大，奠定了人脸识别“深度学习”的基础，智能手机则让大量人脸图像数据库变得唾手可得，“深度学习”正在不断降低人脸识别对图像质量的要求，同时提升识别率。
2014年6月，香港大学的汤晓鸥团队，首次在“户外脸部检测数据库”，将识别率提升至99%以上，这是一个比肉眼更加精准的数据。这个数据库目前被公认为全球最重要的互联网人脸识别数据库。
颅骨识别技术，则帮忙将这种改变深推了一把，其将二维、正脸的配合型，向自然环境下的人脸识别演进。“简单来说，有两个眼睛一张嘴就被认为是人脸，现在把嘴巴遮住，只有眼睛和额头，也能识别；或者只露出半张脸，都可以识别。因为人脸识别已经不再仅仅是对某些特定器官位置的定位”。耿敢超说。
这些变革带来的好处是，人工智能不但可以适应光线、场景变化对图像质量的影响，也能适应变胖变瘦、皮肤老化、整容化妆等带来的脸形和五官变化；甚至特征点之间的相对位置出现细微的改变，现在的人工智能也能验证识别。
“刷脸支付”前景
逐渐变得强大的人脸识别技术，已不甘心仅在安防领域深耕。马云在德国展示的“刷脸支付”，是这一技术可预期的前景。
早在2013年，芬兰一家企业就推出“刷脸支付系统”测试版，5秒即可完成付款行为。最新的消息则是，全球首台“刷脸ATM”在梓昆科技有限公司诞生，与一般的ATM相比，这台机器多了一个二代身份证的读取框，摄像头会将取款人图像与二代身份证信息进行比对，成功识别后才能取款。
在深圳、大连、南京等地，招商银行、民生银行、农业银行也纷纷推出“刷脸”服务，用于银行网点的银行卡开户。中国人民银行[微博]亦在地方试点推出了“刷脸”打印信用记录的个人征信查询机。
由于金融业对于安全性的严苛要求，远程的人脸识别银行开户操作，以及类似支付宝的“刷脸支付”应用，都还未获得相关政府部门的认可。
罗正宽将能够跟踪人脸的动态识别特征，视作人脸识别产品的主要“卖点”，因为其推广安全要求相对较低。“人脸识别考勤机”就是一个在商业上可以拿得出手的产品。这种考勤机比指纹识别类的产品更能有效地防止“作弊”，性价比也不错，较为灵敏的考勤机，在5米外就能成功识别人脸并完成身份认证，隐蔽性明显增强。
这样的人脸识别手段，被国内一家企业应用于会员认证系统。当会员进入镜头范围时，电脑屏幕会显示出该会员的信息，包括其消费偏好，比如，高尔夫球俱乐部是否需要为他准备球包，服务人员可提前准备，使会员基本处于零等待的状态。这样的一套系统3万－5万元，对于一些高端消费场所并不是很高的预算。
问题在于，一般企业并不像政府部门那样拥有二代身份证照片库，其通过互联网收集人脸数据的做法及其安全性，也存在争议。
《财经》记者调查发现，几乎所有曾就这一问题接受采访的企业均表示，在推出相关应用时征得使用者同意才会收集数据，且绝对不会将数据外泄。但还是有不少人担心，自己的人脸图像被别人获得后，身份被冒用。
清华大学电子工程系智能图文信息处理研究室副教授刘长松表示，用人脸识别进行身份认证，确有一定风险，“主要是一些有组织的犯罪，几乎可以突破现在所有的防御手段。一些所谓的活体检测技术也不完善且需要有专用设备”。他称，如果只是手机的话，是一点都不安全的，就现在的状况看，“刷脸时代”还相当遥远。
刘长松指出，人脸识别用于身份认证，必须达到一定的安全要求，“这可能也是要制定国家标准的原因”。
7月16日，公安部安全与警用电子产品质量检测中心软件部一位工作人员向《财经》记者确认，《信息安全技术网络人脸识别认证系统安全技术要求》国家强制标准已向全国信息安全标准化技术委员会申报。
