不同场景对相似度要求不同

另外，需要指出的是，人脸识别作为一个验证手段，在不同使用场景下需要考量适应性和准确性之间的平衡。像是涉及刷脸取款，办理护照这些重要场景，对相似度的要求就很高，也就更加要求人脸和证件照的一致性。如果是写字楼的门禁，对相似度的要求就没那么高。

这也是为什么，在刷脸支付的场景下，支付宝在线下推广时配备了更安全的3D红外深度摄像头，在进行人脸识别前，会通过软硬件结合的方法进行活体检测，来判断采集到的人脸是否是照片、视频或者软件模拟生成的，能有效避免各种人脸伪造带来的身份冒用情况。

人脸识别也在不断进步

事实上，在日常生活中，整容这种对人脸识别来说算是特殊情况了。更多情况下，人脸识别面临的挑战是人脸的角度、光线、表情，以及照片的质量。但好在，这些都可以通过深度学习来弥补。

在安防领域，杭州本土的两家上市公司海康威视和大华，已经能够采用人工智能技术对光线不佳的图像进行提亮，也可以通过三维建模和表情校正的算法，将捕捉到比较怪异的表情“还原”到正常状态，方便识别。

为了将人脸识别运用到更多场景里，科技公司也在绞尽脑汁提高识别的准确性。蚂蚁金服就正在研发眼纹识别技术，信息量是指纹的4.5倍，同样具有唯一性，“就算整容成范冰冰，也能识别出来。”

眼下，在一些容错率很低的应用场景也开始需要采用除人脸识别技术外的双重验证，用指纹、密码等交叉验证的方式进一步提升识别率，即使是双胞胎也无法“作弊”。

• 上一页
• 1
• 2
• 全文阅读