人们越来越意识到显式地描述人脸特征具有一定的困难，因此另一类方法—基于统计模型的方法越来越受到重视。此类万法将人脸区域看作一类模式，即模板特征，使用大量的人脸与非人脸样本训练并构造分类器，通过判别图像中所有可能区域属于哪类模式的方法实现人脸的检测。实际上，人脸检测问题被转化为统计模式识别的二分类问题。

基于统计模型的方法是目前比较流行的方法，是解决复杂的人脸检测问题的有效途径。它的缺点主要是计算复杂，速度慢。它的优点是：①不依赖于人脸的先验知识和参数模型，可以避免不精确或不完整的知识造成的错误；②采用了实例学习的方法获取模型的参数，统计意义上更为可靠；③通过增加学习的实例可以扩充检测模式的范围，提高检测系统的鲁棒性。基于统计模型的方法大多适用于复杂背景图像中的人脸检测。

梁路宏等在文中给出了几种统计方法的检测结果。评估不同方法的性能需要共同的测试集，目前比较*的测试集是Sung等的MIT测试集和Rowley等的CMU测试集。由于基于统计的方法对训练样本具有较强的依赖性，因此表中同时列出了各种方法使用的样本规模。需要指出的是，由于人脸检测问题本身的复杂性，加之不同方法往往具有不同的针对性。

尽管人脸检测大不断发展，但是在目前来说人脸识别的产品价格还比较高，很多人还是会选择指纹识别产品，常见的就是指纹门禁一体机和指纹门禁考勤一体机，因为相对来说比较稳定。