在移動互聯網智能化系統時期，生物學特性識別系統早已十分完善并應用在了普遍的電子產品中，但在具體運用中，因價錢、銷售市場、技術性、硬件配置、互聯網等的限定還處于產業發展的進行中，運用落地式還存有非常大難度系數。 　　

    以人臉鑒別運用為例子，盡管人臉識別系統經歷了較長的科學研究環節，而且運用也逐漸落地式，但迄今人臉識別系統或是被覺得是生物學特性識別系統中比較艱難的課題研究之一。此外，人臉識別系統本身優點也存有多面性，生物性、不容易發覺及其非接觸型也導致人臉識別系統在一些特殊行業遭遇自然環境多元性。 　　

    在開展人臉鑒別前必須先向監管情景中的人臉開展精準定位，即人臉檢驗。人臉檢驗的恰當是否立即危害人臉鑒別特性。當監管情景的情況比較繁雜時，人臉檢驗率也會隨著減少，因而可以融入繁雜情況自然環境的人臉檢驗優化算法是人臉識別系統的難題之一。 　　

    在智能監控視頻監控系統的具體運用中，會因為監管自然環境光源的變化導致檢驗到的人臉圖象存有不一樣的昏暗變化，不一樣光照標準下，人臉鑒別盡管在特性上比有明顯提升，可是還沒有在壓根上擺脫光照對準確率的危害。 　　

    人臉的視角多元性關鍵就是指因為拍攝手法的不一樣造成 檢驗到的人臉圖象的轉動，包含平面圖轉動和深層轉動。與此同時，小表情變化對人臉圖象也是有危害，拍攝手法的變化一樣會造成 人臉輪廊的變化，此外，因為視角的變化，很有可能會造成 人臉的一部分特點沒法被恰當獲取，進一步造成 人臉的不正確鑒別。 　　

    即便是是非非人為因素有意擋住，在具體運用時檢驗到的人臉圖象也常常會發生如遮陽帽、近視眼鏡等擋住物，除開這種，胡須及其流海的變化也立即危害人臉的svm算法，當人臉圖象產生擋住時，人臉的許多信息內容會遺失，造成 人臉鑒別優化算法錯誤或無效。 　　

    除開人臉鑒別外，體形識別系統運用中也遭受跨角度變化、衣著變化、附加物變化，畫質等的危害，此外在落地式運用時，步態識別必須任意取樣很多的時鐘頻率體態數據信息開展實體模型學習培訓，建體態庫，隨后依據體態數據信息給予系統軟件解決方法。 　　

    在早期建庫采集數據的情況下，步態識別的正臉準確率低，非常容易遭受性別、步幅、節奏感、速率等的影響；與此同時，照相機視角、氣溫標準、擋住物、附著物、路面艱險、乃至衣服褲子光照等都是會危害精確性；較為難獲得年紀、性別等信息內容，并且非客觀性，如傷殘人不宜步態識別技術性。 　　

    在落地式商業的全過程中，大部分監管情景全是非常復雜的，很有可能存有好幾個健身運動物件，路人圖象非常容易受氣溫、光照等外部要素的危害，而有一定的變化。