現代臉部辨識分三步驟：偵測（使用 MTCNN 或 RetinaFace 在影像中找到臉部）、對齊（正規化臉部方向和比例），以及嵌入（使用 ArcFace 或 FaceNet 等 CNN 將對齊的臉部轉換為特徵向量）。透過計算嵌入之間的餘弦相似度來比較兩張臉——超過閾值表示匹配。嵌入捕捉身分特定的特徵，同時對光線、表情和年齡變化保持穩健。
多項研究（特別是 Joy Buolamwini 和 Timnit Gebru 的研究）證實商業臉部辨識系統對女性和膚色較深的人有顯著更高的錯誤率。一個對白人男性 99% 準確但對黑人女性 90% 準確的系統，在執法部署中會產生歧視性結果。這些發現促進了訓練資料多樣性的改善、跨人口統計群體的準確度審計，在某些案例中還導致了政府使用臉部辨識的禁令。
臉部辨識面臨的監管比幾乎任何其他 AI 技術都多。歐盟 AI 法案禁止在公共場所進行即時生物辨識識別（有少數例外）。數個美國城市已禁止政府使用。伊利諾州的 BIPA 要求在收集生物識別資料前取得同意。技術本身是中性的，但在監控場景中的部署引發了關於隱私、公民自由以及安全與自由之間平衡的根本問題。