快速读懂人脸识别1：1/1：N/M：N模式

刷脸登机、刷脸取厕纸、刷脸支付、刷脸考勤、刷脸识别闯红灯的行人……人脸识别技术已成人工智能最火热的应用之一。但是，你真的了解人脸识别吗？你知道人脸识别分为三种应用模式吗？

 

下面我们就人脸识别1：1/1：N/M：N模式作个简单的了解，希望可以有助于加强你对人脸识别的认识。

 

什么是人脸识别

 

人脸识别(Facial Recognition)，即通过视频采集设备获取用户的面部图像，再利用核心的算法对其脸部的五官位置、脸型和角度进行计算分析，进而和自身数据库里已有的范本进行比对，从而判断出用户的真实身份。

 

人脸识别算法，在检测到人脸并定位面部关键特征点之后，主要的人脸区域就可以被裁剪出来，经过预处理之后，馈入后端的识别算法。识别算法要完成人脸特征的提取，并与库存的已知人脸进行比对，完成最终的分类。

 

 

人脸识别算法的原理：系统输入一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。

 

人脸识别技术在日常生活中主要有两种用途，一是用来进行人脸验证(又叫人脸比对)，验证“你是不是某某人”，还有一种用于人脸识别，验证“你是谁”。

 

 

 

人脸识别的1:1模式

 

人脸验证做的是1：1的比对，其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人脸比对，并得出是否匹配的过程，可以简单理解为证明你就是你。就是我们先告诉人脸识别系统，我是张三，然后用来验证站在机器面前的“我”到底是不是张三。

 

这种模式最常见的应用场景便是人脸解锁，终端设备(如手机)只需将用户事先注册的照片与临场采集的照片做对比，判断是否为同一人，即可完成身份验证。

 

 

1：1作为一种静态比对，一般在金融、信息安全领域中应用较多。例如在高速路、机场安检时，受检人员手持身份证等证件，通过检查通道，同时对受检人员的外貌及身份证信息进行识别，此过程就是典型的1：1模式的人脸识别。

 

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。

 

 

人脸识别的1：N模式

 

 

人脸识别做的是1：N的比对，即系统采集了“我”的一张照片之后，从海量的人像数据库中找到与当前使用者人脸数据相符合的图像，并进行匹配，找出来“我是谁”。比如疑犯追踪，小区门禁，会场签到，以及新零售概念里的客户识别。

 

 

1：N人脸识别模式，同时具有动态比对与非配合两种特点。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；而非配合性是指识别的过程表现出非强制性与高效性的特点，识别对象无需到特定的位置便能完成人脸识别的工作。

 

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。

 

 

最后提一下人脸识别的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、酒店入住办理时人证合一，火车站人票合一认证，移动端支付等需要实名制的场景。