人脸识别主要识别哪里是不固定的，他可以固定识别也可以寻找较优的部位进行识别，就拿苹果手机为例，苹果手机的人脸识别每次识别的特征部位都不是固定的，他是一个学习的过程，无论怎样人脸识别识别的到底是哪个部位，这完全看程序和算法的设计，并不是固定的几个位置，可能是上百个点，不断的优化。

　　人脸识别的利弊。

　　不易察觉性人脸识别技术可以采用可见光人脸图像识别，或是红外线与可见光融合的多光源人脸图像识别技术，人脸识别只要在有特定光源的情况下，就能完成不被人察觉的识别，不会令人反感也不会陷于被伪装欺骗的境地，在公安刑侦领域，特别适用于犯罪嫌疑人的跟踪与追捕。

　　首先是人类脸部存在相似性，不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似，这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的，在加上化妆的掩盖及双胞胎的天然相似性更增加了识别的难度。

　　当提取声音特征集合以后，就可以识别这些特征所代表的单词，本节重点关注单个单词的识别，识别系统的输入是从语音信号中提取出的特征参数，如LPC预测编码参数，当然，单词对应于字母序列，语音识别所采用的方法一般有模板匹配法，随机模型法和概率语法分析法三种。

　　（1）模板（template)匹配法。

　　在训练阶段，用户将词汇表中的每一个词依次说一遍，并且将其特征向量作为模板存入模板库，在识别阶段，将输入语音的特征向量序列，依次与模板库中的每个模板进行相似度比较，将相似度较高者作为识别结果输出。

　　（2）随机模型法。

　　随机模型法是目前语音识别研究的主流，其突出的代表是隐马尔可夫模型，语音信号在足够短的时间段上的信号特征近似于稳定，而总的过程可看成是依次相对稳定的某一特性过渡到另一特性，隐马尔可夫模型则用概率统计的方法来描述这样一种时变的过程。

　　（3）概率语法分析法。

　　这种方法是用于大长度范围的连续语音识别，语音学家通过研究不同的语音语谱图及其变化发现，虽然不同的人说同一些语音时，相应的语谱及其变化有种种差异，但是总有一些共同的特点足以使他们区别于其他语音，也即语音学家提出的“区别性特征”。