1人脸识别应用场景（验证）

我们先来看看人脸识别的几个应用。第一个是苹果的FACE ID，自从苹果推出FaceID后，业界对人脸识别的应用好像信心大增，各种人脸识别的应用从此开始“野蛮生长”。

事实上，人脸识别技术在很多场景的应用确实可以提升认证效率，同时提升用户体验。前两年，很多机场安检都开始用上了人脸验证；今年4月，很多一、二线城市的火车站也开通了“刷脸进站”的功能；北京的一些酒店开始使用人脸识别技术来做身份验证。

2 人脸识别应用场景（识别）

我们再来看看几个场景。

第一个是刷脸的自动售货机。当我第一次看到这个机器的时候就有个疑问：”现在人脸识别算法已经做到万无一失了吗，认错人，扣错钱怎么办？”，后来才发现，其实关键不在于算法，产品设计才是最重要的。用过这个售货机的人可能知道，第一次使用的时候，要求输入手机号的后四位，这个看似简单的产品设计，可以让自动售货机的误识别率降低到亿分之一，这样底概率的条件下，误识别带来的损失完全可以忽略。同时这款自动售货机还会提醒你，你的消费行为会绑定“芝麻信用”，想想有几个人会为了一瓶“可乐”去影响自己的征信记录呢？

第二个是刷脸买咖啡，进入咖啡店后，在你选好喝什么咖啡前，系统已经识别出站在点单台前的用户是谁，并做好点单准备；

第三个是在人脸门禁系统。小伙伴们再已不用担心忘记带工卡了。人脸门禁对识别速度和准确度的要求是相对较高的，设备挂在门的侧面墙也会影响体验，增加产品设计和开发的难度。

3 “人脸验证”还是“人脸识别”？

其实，前面两页的场景是有些区别的，不知道大家看出来了没有。

第一个的场景，用户实际提供了两个信息，一是用户的证件信息，比如身份证号码，或APP账号；另一个信息是用户的现场照片；这类场景的目标实际上是：让人脸识别系统验证现场照片是否是证件所宣称的那个人。我们把这类场景叫着“人脸验证”。

第二个的场景，用户实际只提供的现场照片，需要人脸识别系统判断照片上的人是谁。我们把这类场景叫着“人脸识别”。

“人脸验证”拿现场人脸跟用户所宣称的人脸做1比1的比较，而“人脸识别”是拿现场人脸跟后台注册人脸库中的所有人脸比较，是1比N的搜索。可以看出，两种场景的技术原理一致，但是难度不同,第二页场景的难度普遍比第一页高得多。

4 人脸识别原理

计算机是怎么识别人脸的呢？如果我们大家是人脸识别系统的设计者，我们应用怎样来设计这个系统？

“把人脸区域从图片中抠出来，然后拿抠出来的人脸跟事先注册的人脸进行比较”，没错，就是这样，说起来简单，做又是另外一回事了，这里又有两个新的问题：

一是，“怎样判断图片中是有没有人脸？”，“怎样知道人脸在图片中的具体位置呢”，这是人脸检测要解决的问题，人脸检测告诉我们图像中是否有人脸以及人脸的具体位置坐标。

二是，“我们怎样比较两个人脸是不是同一个人呢？”，一个像素一个像素比较吗？光照，表情不一致，人脸偏转都将导致该方法不可行。”人是怎样判断两种照片中的人脸是不是同一个人的呢？”，我们是不是通过比较两种照片上的人，是不是高鼻梁、大眼睛、瓜子脸这样的面部特征来做判断的呢？