“人脸识别技术本身也有安全漏洞。”金可可说，除了法律问题外，现阶段部分人脸识别技术本身还不成熟，有时，机器没有扫描人脸，也有可能显示取件成功，引发快件的风险。为此，金可可建议，政府相关职能部门加强对快递代收服务及相关行业的监管，出台相应办法，禁止快递公司未经收件人同意擅自使用代收服务，以及禁止代收服务企业仅采用人脸识别的取件方式。
人脸图像采集：不一样的人脸图像都能根据拍摄摄像镜头采集出来，例如静态数据图像、动态像、不一样的部位、不一样小表情等层面都能够获得非常好的采集。当客户在采集机器设备的拍攝范畴内时，采集机器设备会全自动检索并拍攝客户的人脸图像。人脸检测：人脸检测在具体中关键用以人脸鉴别的预备处理，即在图像中校准出人脸的部位和尺寸。人脸图像中包括的方式特征十分丰富多彩，如条形图特征、色调特征、模版特征、构造特征及Haar特征等。人脸检测便是把这在其中有效的信息内容挑出，并运用这种特征完成人脸检测。流行的人脸检测方式 根据之上特征选用Adaboost学习培训优化算法，Adaboost优化算法是一种用于归类的方式，它把一些较为弱的分类方法合在一起，组成更新的较强的分类方法。人脸检测全过程中应用Adaboost优化算法筛出一些意味着人脸的矩形框特征(弱分类器)，依照权重计算的方法将弱分类器结构为一个强分类器，再将训炼获得的多个强分类器串连构成一个联级构造的堆叠分类器，合理地提升分类器的检验速率。
特征获取人脸图像特征获取：人脸识别技术可应用的特征一般分成视觉效果特征、清晰度统计分析特征、人脸图像转换指数特征、人脸图像解析几何特征等。人脸特征获取便是对于人脸的一些特征开展的。人脸特征获取，也称人脸表征，它是对人脸开展特征模型的全过程。人脸特征获取的方法具体来说分成两类：一种是根据知识的表征方法；一种是根据解析几何特征或统计学习的表征方法。根据知识的表征方法主要是依据人脸的样子叙述及其她们中间的间距特点来得到有利于人脸归类的特征数据信息，其特征份量一般包含特征点间的欧式距离、折射率和视角等。人脸由双眼、鼻部、嘴、下颌等部分组成，对这种部分和他们中间构造关联的几何图形叙述，可做为鉴别人脸的关键特征，这种特征被称作几何图形特征。根据知识的人脸表征关键包含根据几何图形特征的方法和模板匹配法。