人脸识别技术运用了以下技术：
计算机视觉：
这是人脸识别的基础技术，用于捕捉和分析图像或视频流中的信息，包括人脸的检测、定位和跟踪等。
深度学习：
通过构建深度神经网络模型，自动学习人脸的多层次特征，极大提高了人脸识别的准确率，使识别系统能够适应不同场景和姿态下的人脸图像识别。
卷积神经网络（CNN）：
这是一种专门处理图像的深度学习技术，能够帮助AI快速理解图像中的脸部特征，包括卷积层、池化层和全连接层。
特征提取：
从人脸图像中提取关键特征，如眼睛、鼻子、嘴巴等的几何特征或通过深度学习自动学习到的特征表示。
特征比对：
将提取的人脸特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。
活体检测：
确保识别的对象是真实的活体，防止照片、视频或3D模型等的欺骗。
大数据技术：
提供了丰富的训练数据和优化空间，使得算法能够不断优化和改进。
3D人脸识别技术：
能够获取面部深度、形状等更丰富信息，相比传统2D人脸识别技术，准确性和鲁棒性更高。
多模态融合技术：
将图像、视频、红外等不同来源的人脸信息融合，弥补单一模态信息不足，综合多种信息进行更准确识别。
这些技术的综合应用使得人脸识别系统能够在各种复杂环境下实现高效、准确的识别。