人脸识别系统的实时性取决于多个因素，包括硬件设备的性能、人脸识别算法的复杂度、以及系统的整体设计。一般来说，如果硬件设备性能足够强大，例如配备了高性能的处理器和大内存，那么人脸识别系统的实时性会比较好。此外，人脸识别算法的复杂度也会对实时性产生影响，一些复杂的算法可能需要更长的时间来进行人脸匹配和识别。系统的整体设计也十分重要，包括数据传输的速度、并发处理能力等因素都会对实时性造成影响。
为了提高人脸识别系统的实时性，可以采取一系列措施。首先，可以选择高性能的硬件设备，确保系统有足够的计算资源来进行人脸识别。其次，可以选择较为简单的人脸识别算法，或者对算法进行优化，以减少识别时间。此外，可以采用分布式计算的方式，将人脸识别任务分发到多台设备上并行处理，以提高系统的并发处理能力。
一个案例是某大型零售商在门店安装了人脸识别系统，用于识别会员并提供个性化的推荐服务。为了保证系统的实时性，他们选择了高性能的服务器作为后台支持，并对人脸识别算法进行了优化，最终实现了系统的秒级识别速度。
总的来说，人脸识别系统的实时性是可以通过合理的硬件选择、算法优化和系统设计来提高的，这需要综合考虑多个因素并进行针对性的优化。