人脸识别的三种模式

　　人脸识别的主要商业应用场景包括安防、门禁、新零售以及人证合一等领域：安防领域，随着智能安防概念的深入逐渐产生前端摄像头与后端处理的智能识别分析需求;智能门禁系统是人脸识别在商业领域中最早的应用载体之一，其中人脸识别门禁系统对于其他生物识别门禁系统的优势在于：自然性、非强制性、非接触性和智能数据输出;智能迎宾系统基于动态捕捉与非配合式人脸识别技术，与门禁联动，并结合后台管理系统可实现快速，准确识别宾客身份，访客邀约，访客登记，访客数据统计，访客查询等功能;人脸识别也是AmazonGo所代表的新零售应用场景的关键技术;此外，人证合一产品将身份证识别与人脸识别技术结合在一起，市场需求旺盛。

　　人脸识别目前的盈利模式以to B为主。目前来说人脸识别企业的主要盈利模式包括企业级技术服务和软硬件销售。国内以商汤科技、旷视科技为代表的深度学习企业，以B2B2C的商业模式，与各行业领军企业合作，共同推进人脸识别在各行业的应用和变现。他们向B端输出技术能力，以分成、按 License 收费、按技术使用次数收费等模式，绑定B端服务于C端客户的业务增长，并借助B端的行业资源打开市场。

　　人脸识别已在多个上市公司核心业务中实现商业化落地。人脸识别技术已经成功应用到以安防行业为代表的多个行业，并且进入多个上市公司的核心业务和核心产品体系中。不但大幅提升了各个公司原有业务的运营效率，更创造了多个前景广阔的增量市场。以安防行业为例，主要商业模式为三种：1、为安防厂商提供视频结构化、人脸布控、人脸搜索、车辆识别、人群分析等软硬一体形态提供定制化GPU、智能摄像头等一体化解决方案，按照处理的监控视频路数收费;2、将人脸识别功能融入身份识别产品、过关闸机、柜台产品等，以产品化的形态通过行业渠道销售盈利;3、与传统安防厂商合作，通过其渠道共同中标平安城市、智慧城市等大型项目，通过项目形式盈利。

　　一、人脸识别的三种模式

　　1.1 人脸识别的1:1模式

　　1:1身份验证模式本质上是计算机对当前人脸与人像数据库进行快速比对并得出是否匹配的过程，可以简单理解为证明你就是你。1:1作为一种静态比对，在泛金融的核身、信息安全领域中潜在的商用价值巨大。例如在机场安检中持卡人样貌与身份证信息匹配的过程就是典型的1:1场景。然而人眼辨别率只达到95%左右，并会受到外部环境影响，所以机场安检人员通过换班来保证识别的准确率。人脸识别技术的出现解决了人工识别的弊端，并能充分应用于考试考生身份的审核、酒店入住办理，火车站人票合一认证，移动端支付等任何需要实名制等场景。

　　1.2 人脸识别的1:N模式

　　1:N则是在海量的人像数据库中找出当前用户的人脸数据并进行匹配。1:N具有动态比对与非配合的特点，动态对比是指通过对动态视频流的截取来获得人脸数据并进一步比对的过程，而非配合性是识别过程非强制性与高效性的表现，识别对象无需到特定位置便能完成识别工作。由于这两个特性使1:N身份认证模式能迅速落地于公共安全管理与VIP客户人脸识别等场景，但其难度要远高于静态1:1，因为机器面临着曝光过度、逆光、侧脸、远距离等挑战。

　　1.3 人脸识别的M:N模式

　　M:N 是通过计算机对场景内所有人进行面部识别并与人像数据库进行比对的过程。M:N作为一种动态人脸比对，其使用率非常高，能充分应用于多种场景，例如公共安防，迎宾，机器人应用等。但是M:N模式仍存在很大的弊端，因为其必须依靠海量的人脸数据库才能运行，并且由于识别基数过大，设备分辨率不足等因素，使M:N模式会产生很高的错误率从而影响识别结果。

　　人脸识别技术的成熟虽然能代替一部分劳动力，但仍不能作为唯一的验证方式，其更需要与人工识别相结合从而进行精准判断。例如，在受到外部环境干扰下，人脸识别技术会产生错误数据，这时就需要人工协助，共同完成识别确认过程;又或者在企业应用中，具有较高机密需求的场所可以采用人脸识别和刷卡的双重认证来进一步确保安全性。