人脸识别始于20世纪60年代。80年代随着计算机技术和光学成像技术的发展得到提高。而真正进入初级应用阶段是在90年代，以美国，日本，德国的技术实现为主。此时主流的技术路线为人脸表观建模。从1990s末期到现在，人脸识别的研究不断深入，研究者开始关注面向真实条件的人脸识别问题，主要包括以下四个方面的研究：1）提出不同的人脸空间模型，包括以线性判别分析为代表的线性建模方法，以Kernel方法为代表的非线性建模方法和基于3D信息的3D人脸识别方法。2）深入分析和研究影响人脸识别的因素，包括光照不变人脸识别、姿态不变人脸识别和表情不变人脸识别等。3）利用新的特征表示，包括局部描述子（Gabor Face, LBP Face等）和深度学习方法。4）利用新的数据源，例如基于视频的人脸识别和基于素描和近红外线的人脸识别。
2014年以来，深度学习+大数据（海量的有标注人脸数据）成为人脸识别领域的主流技术路线，其中两个重要的趋势为：1）网络变大变深（VGGFace16层，FaceNet22层）。2）数据量不断增大（DeepFace400万，FaceNet2亿），大数据成为提升人脸识别性能的关键。
