人臉識(shí)別需要積累采集到的大量人臉圖像相關(guān)的數(shù)據(jù)，用來驗(yàn)證算法，不斷提高識(shí)別準(zhǔn)確性，這些數(shù)據(jù)諸如A Neural Network Face Recognition Assignment(神經(jīng)網(wǎng)絡(luò)人臉識(shí)別數(shù)據(jù))、orl人臉數(shù)據(jù)庫、麻省理工學(xué)院生物和計(jì)算學(xué)習(xí)中心人臉識(shí)別數(shù)據(jù)庫、埃塞克斯大學(xué)計(jì)算機(jī)與電子工程學(xué)院人臉識(shí)別數(shù)據(jù)等。今年以來，深圳等多地紛紛啟用電子警1察執(zhí)1法，通過“刷臉”識(shí)別行人、非機(jī)動(dòng)車闖紅燈違1法，大大提高了效率。該理論側(cè)重于人臉實(shí)時(shí)數(shù)據(jù)的中間值處理，從而可以在識(shí)別速率和識(shí)別效能之間，達(dá)到1佳的匹配效果

人臉識(shí)別問題宏觀上分為兩類：1. 人臉驗(yàn)證（又叫人臉比對(duì)）2. 人臉識(shí)別。

人臉驗(yàn)證做的是 1 比 1 的比對(duì)，即判斷兩張圖片里的人是否為同一人。常見的應(yīng)用場(chǎng)景便是人臉，終端設(shè)備（如手機(jī)）只需將用戶事先注冊(cè)的照片與臨場(chǎng)采集的照片做對(duì)比，判斷是否為同一人，即可完成身份驗(yàn)證。

人臉識(shí)別做的是 1 比 N 的比對(duì)，即判斷系統(tǒng)當(dāng)前見到的人，為事先見過的眾多人中的哪一個(gè)。比如追1蹤，小區(qū)門禁，會(huì)場(chǎng)簽到，以及新零售概念里的客戶識(shí)別。

準(zhǔn)確性高:人臉識(shí)別服務(wù)在多個(gè)國(guó)際公開競(jìng)賽中刷新紀(jì)錄，人臉比對(duì)在 2017 年的LFW 測(cè)評(píng)準(zhǔn)確度高達(dá) 99.80%，人臉檢索在 MegaFace 競(jìng)賽 100 萬規(guī)模中首1選識(shí)別率 83.29% 排名一，識(shí)別準(zhǔn)確率業(yè)界領(lǐng)1先。

應(yīng)用廣泛國(guó)內(nèi)一家在金融行業(yè)全量上線，已應(yīng)用于眾多銀行、保險(xiǎn)和市政的開1戶、密碼修改、綁卡等場(chǎng)景，核身數(shù)據(jù)，差錯(cuò)率低于百萬分之一。

人臉識(shí)別系統(tǒng)由人證識(shí)別終端、通道閘、人臉識(shí)別管理客戶端及平臺(tái)組成。系統(tǒng)采用人臉識(shí)別算法，高速芯片作為識(shí)別算法的運(yùn)行硬件平臺(tái)，通過出入口的身1份證信息采集、實(shí)時(shí)人臉抓拍和人證比對(duì)，從而實(shí)現(xiàn)人證合一驗(yàn)證。并針對(duì)不同場(chǎng)所實(shí)現(xiàn)固定人員刷臉通行，訪客人員人證比對(duì)登記，解決固定人員每次需要刷證或輸入密碼的問題，人證比對(duì)失敗人員則需要安保人員或工作人員人工確認(rèn)后手動(dòng)放行。一般來說，人臉識(shí)別系統(tǒng)包括圖像攝取、人臉定位、圖像預(yù)處理、以及人臉識(shí)別（身份確認(rèn)或者身份查找）。