目前市面上既有OpenCV等开源算法库，很多芯片厂商的产品也自带简单算法，同时专业算法大厂也会开放相关技术，如提供免费、离线人脸识别SDK的虹软视觉开放平台等。对于开发者而言，面对多种算法，如何进判断算法性能至关重要，接下来将从算法原理、应用场景、关键指标一一进行介绍。
【人脸识别算法原理简述】在介绍关键性能指标之前，我们需要厘清人脸识别的技术原理。
所谓人脸识别（Face Recognition），是对图像中的人脸进行检测、识别和跟踪。当前的人脸识别，通常是利用卷积神经网络（CNN）对海量的人脸图片进行学习，然后对输入图像提取出对应的人脸特征值。人脸特征值是面部特征所组成的信息集。人类记忆和辨别一张脸，主要是靠肉眼可见的特征，譬如国字脸、双眼皮、黑眼睛、蓝色头发、塌鼻梁……但人工智能不同，主要是利用卷积神经网络（CNN）对海量的人脸图片进行学习。它们能够抽象出人类难以理解的面部特征，因而在识别能力上超越人类。人脸特征值是一组空间向量，也是人脸比对的依据。同一张脸不同照片提取出的特征值，在特征空间里距离很近，不同人的脸在特征空间里相距较远。换言之，距离近的就有更大可能是同一个人。另外需要注意，人脸识别和人脸检测并非同一技术。人脸检测是人脸识别完整流程中的一个环节。在用摄像头采集含有人脸的图像或视频流后，首先就需要用人脸检测技术自动检测、提取当中的人脸，随后才能进入人脸图像预处理及最核心的人脸特征提取环节。在实际商业落地中，人脸检测也可独立于人脸识别进行使用