刷臉登機、刷臉取廁紙、刷臉支付、刷臉考勤、刷臉識別闖紅燈的行人……人臉識別技術已成人工智慧最火熱的應用之一。但是，你真的瞭解人臉識別嗎？你知道人臉識別分為三種應用模式嗎？

下面我們就人臉識別1：1/1：N/M：N模式作個簡單的瞭解，希望可以有助於加強你對人臉識別的認識。

什麼是人臉識別

人臉識別(Facial Recognition)，即通過視訊採集裝置獲取使用者的面部影象，再利用核心的演算法對其臉部的五官位置、臉型和角度進行計算分析，進而和自身資料庫裡已有的範本進行比對，從而判斷出使用者的真實身份。

人臉識別演算法，在檢測到人臉並定位面部關鍵特徵點之後，主要的人臉區域就可以被裁剪出來，經過預處理之後，饋入後端的識別演算法。識別演算法要完成人臉特徵的提取，並與庫存的已知人臉進行比對，完成最終的分類。

人臉識別演算法的原理：系統輸入一張或者一系列含有未確定身份的人臉影象，以及人臉資料庫中的若干已知身份的人臉圖象或者相應的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。

人臉識別技術在日常生活中主要有兩種用途，一是用來進行人臉驗證(又叫人臉比對)，驗證“你是不是某某人”，還有一種用於人臉識別，驗證“你是誰”。

人臉識別的1:1模式

人臉驗證做的是1：1的比對，其身份驗證模式本質上是計算機對當前人臉與人像資料庫進行快速人臉比對，並得出是否匹配的過程，可以簡單理解為證明你就是你。就是我們先告訴人臉識別系統，我是張三，然後用來驗證站在機器面前的“我”到底是不是張三。

這種模式最常見的應用場景便是人臉解鎖，終端裝置(如手機)只需將使用者事先註冊的照片與臨場採集的照片做對比，判斷是否為同一人，即可完成身份驗證。

1：1作為一種靜態比對，一般在金融、資訊保安領域中應用較多。例如在高速路、機場安檢時，受檢人員手持身份證等證件，通過檢查通道，同時對受檢人員的外貌及身份證資訊進行識別，此過程就是典型的1：1模式的人臉識別。

然而人眼辨別率只達到95%左右，並會受到外部環境影響，所以機場安檢人員通過換班來保證識別的準確率。

人臉識別的1：N模式

人臉識別做的是1：N的比對，即系統採集了“我”的一張照片之後，從海量的人像資料庫中找到與當前使用者人臉資料相符合的影象，並進行匹配，找出來“我是誰”

1：N人臉識別模式，同時具有動態比對與非配合兩種特點。動態對比是指通過對動態視訊流的擷取來獲得人臉資料並進一步比對的過程；而非配合性是指識別的過程表現出非強制性與高效性的特點，識別物件無需到特定的位置便能完成人臉識別的工作。

由於這兩個特性使1：N身份認證模式能迅速落地於公共安全管理與VIP客戶人臉識別等場景，但其難度要遠高於靜態1：1，因為機器面臨著曝光過度、逆光、側臉、遠距離等挑戰。

最後提一下人臉識別的M:N模式

M:N 是通過計算機對場景內所有人進行面部識別並與人像資料庫進行比對的過程。M:N作為一種動態人臉比對，其使用率非常高，能充分應用於多種場景，例如公共安防，迎賓，機器人應用等。但是M:N模式仍存在很大的弊端，因為其必須依靠海量的人臉資料庫才能執行，並且由於識別基數過大，裝置解析度不足等因素，使M:N模式會產生很高的錯誤率從而影響識別結果。

人臉識別技術的出現解決了人工識別的弊端，並能充分應用於考試考生身份的稽核、酒店入住辦理時人證合一，火車站人票合一認證，移動端支付等需要實名制的場景。