1，光照問題，報名時的光照和妳現在認證時的光照強度和均勻度是否有較大變化，盡量保證和報名時相似的光照條件。
2、戴眼鏡，也就是保證是註冊時戴眼鏡的同壹狀態。之前註冊的時候沒戴，現在也不戴了。如果我以前戴過，鑒定的時候應該戴。
3、劉海的遮擋，還要保證與註冊壹致。
人臉認證是指通過人臉識別個人的生物特征認證。事實上，對人臉識別的研究歷史悠久，從1960年代就開始了。最近對這項技術的關註歸功於使用人工智能(AI)來提高認證的準確性，從而大大增強其功能。
識別過程通常分為兩個階段。
第壹階段是從圖像中找到人臉。利用人工智能(AI)，首先識別出似乎是人臉的區域，然後是每張臉的長度和平衡(眼睛、眉毛、鼻子、嘴巴等。)被量化以捕捉個體的特征用於識別。
在第二階段，將預先登記的面部圖像數據與早先通過“面部檢測”獲得的圖像數據進行比較，並且判斷該人是該人。
作為最近的趨勢，已經引入了3D人臉識別。這是利用壹個3D傳感器來獲得人臉的3D信息，所以令人驚訝的是，它可以從各種角度(如對角線)進行識別。除此之外，它還可以解決光照和面部表情的暗度，是否存在化妝、胡須和面部朝向的差異，最重要的是，無法利用照片作弊，因此可以進壹步提高識別準確率，更好地保證用戶信息的安全。
在無線互聯網和智能手機廣泛使用的今天，人臉識別也面臨著越來越多的挑戰。在不可靠的采集環境中，用戶的面部表情千變萬化，其復雜程度遠遠超過標準評測中獲得的圖片。壹般來說，人臉認證技術的難點在於:
1，圖像分辨率低。在高分辨率圖像中，人臉圖像可以傳達更豐富的用戶信息。在這些互聯網應用中，攝像頭質量良莠不齊，很難有效提取面部特征。
2.模態多樣性。由於采集設備和環境光源的不同，人臉圖像有多種不同的方式，如身份證照片、數碼照片、藝術照等。在不同的光照波段下，人臉的反射率也會造成圖像信息的損失。
3、燈光、姿勢、遮擋和表情等拍攝環境。這些因素在人臉識別中壹直很難解決，比如陰陽臉、黑框眼鏡、鬼臉等等。
4.化妝、衰老等不可避免的外界幹擾。