人臉識別需要積累采集到的大量人臉圖像相關的數(shù)據(jù)，用來驗證算法，不斷提高識別準確性，這些數(shù)據(jù)諸如A Neural Network Face Recognition Assignment(神經(jīng)網(wǎng)絡人臉識別數(shù)據(jù))、orl人臉數(shù)據(jù)庫、麻省理工學院生物和計算學習中心人臉識別數(shù)據(jù)庫、埃塞克斯大學計算機與電子工程學院人臉識別數(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”識別行人、非機動車闖紅燈違1法，大大提高了效率。該理論側重于人臉實時數(shù)據(jù)的中間值處理，從而可以在識別速率和識別效能之間，達到1佳的匹配效果

人臉識別問題宏觀上分為兩類：1. 人臉驗證（又叫人臉比對）2. 人臉識別。

人臉驗證做的是 1 比 1 的比對，即判斷兩張圖片里的人是否為同一人。常見的應用場景便是人臉，終端設備（如手機）只需將用戶事先注冊的照片與臨場采集的照片做對比，判斷是否為同一人，即可完成身份驗證。

人臉識別做的是 1 比 N 的比對，即判斷系統(tǒng)當前見到的人，為事先見過的眾多人中的哪一個。比如追1蹤，小區(qū)門禁，會場簽到，以及新零售概念里的客戶識別。

準確性高:人臉識別服務在多個國際公開競賽中刷新紀錄，人臉比對在 2017 年的LFW 測評準確度高達 99.80%，人臉檢索在 MegaFace 競賽 100 萬規(guī)模中首1選識別率 83.29% 排名一，識別準確率業(yè)界領1先。

應用廣泛國內一家在金融行業(yè)全量上線，已應用于眾多銀行、保險和市政的開1戶、密碼修改、綁卡等場景，核身數(shù)據(jù)，差錯率低于百萬分之一。

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