人們越來越意識到顯式地描述人臉特征具有一定的困難，因此另一類方法—基于統計模型的方法越來越受到重視。此類萬法將人臉區域看作一類模式，即模板特征，使用大量的人臉與非人臉樣本訓練并構造分類器，通過判別圖像中所有可能區域屬于哪類模式的方法實現人臉的檢測。實際上，人臉檢測問題被轉化為統計模式識別的二分類問題。

基于統計模型的方法是目前比較流行的方法，是解決復雜的人臉檢測問題的有效途徑。它的缺點主要是計算復雜，速度慢。它的優點是：①不依賴于人臉的先驗知識和參數模型，可以避免不精確或不完整的知識造成的錯誤；②采用了實例學習的方法獲取模型的參數，統計意義上更為可靠；③通過增加學習的實例可以擴充檢測模式的范圍，提高檢測系統的魯棒性。基于統計模型的方法大多適用于復雜背景圖像中的人臉檢測。

梁路宏等在文中給出了幾種統計方法的檢測結果。評估不同方法的性能需要共同的測試集，目前比較*的測試集是Sung等的MIT測試集和Rowley等的CMU測試集。由于基于統計的方法對訓練樣本具有較強的依賴性，因此表中同時列出了各種方法使用的樣本規模。需要指出的是，由于人臉檢測問題本身的復雜性，加之不同方法往往具有不同的針對性。

盡管人臉檢測大不斷發展，但是在目前來說人臉識別的產品價格還比較高，很多人還是會選擇指紋識別產品，常見的就是指紋門禁一體機和指紋門禁考勤一體機，因為相對來說比較穩定。