人脸识别被认为是生物特征识别领域乃至人工智能领域最难的研究课题之一。受到众多企事业单位的青睐，但如此火爆的科技创新体系仍有其亟待攻克的难点，那么人脸识别功能有哪些局限性制约着它的发展呢？用户合作现有的人脸识别系统在用户合作且采集条件理想的情况下可以取得满意的效果。但是，当用户不配合，采集条件不理想时，现有系统的识别率会急剧下降。例如，在比对人脸时，与系统中存储的人脸不符，比如剃了胡子、换了发型、加了眼镜、表情变了，都可能导致比对失败。也就是说，如果人有较大的变化，系统可能会认证失败。光照、姿势、装饰等都会对机器识别人脸产生影响。相似性不同个体之间差异不大。所有的人脸都有相似的结构，甚至人的面部器官的结构形状也非常相似。这样的特征有利于利用人脸进行定位，但不利于利用人脸来区分人的个体。可变性人脸的形状非常不稳定。人可以通过面部的变化产生多种表情，在不同的视角下，面部的视觉形象也大不相同。此外，人脸识别还受到光照条件（如白天和夜晚、室内和室外等）、许多面部遮盖物（如口罩、墨镜、头发、胡须等）、年龄等因素的影响。在人脸识别中，应该放大第一类变化作为区分个体的标准，而第二类变化应该被淘汰，因为它们可以代表同一个人。第一种变化通常称为类间差异，第二种变化称为类内差异。对于人脸，类内变异往往大于类间变异，这使得在受到类内变异干扰的情况下，利用类间变异区分个体变得极其困难。以上是对人脸识别功能尚需克服的技术缺陷的一些简单分析。
