如今人臉識(shí)別技術(shù)越來越多得應(yīng)用到我們生活之中，安防、交通、金融等領(lǐng)域都可以見到它的身影，同時(shí)人臉識(shí)別領(lǐng)域的公司也深受資本的青睞，涌現(xiàn)出了一大批的“獨(dú)角獸”。那么這其中到底哪家的技術(shù)強(qiáng)呢？

在知乎問題“關(guān)于人臉識(shí)別哪家強(qiáng)？”下，作者@MaxSam提供了一個(gè)高票回答，以一個(gè)從事人員的角度詳細(xì)解釋了這個(gè)行業(yè)。

以下為知乎@MaxSam 的回答：

本人從事人臉識(shí)別相關(guān)工作（2017年底剛剛離開該行業(yè)），這一波人工智能的投資風(fēng)起來，很多人臉識(shí)別公司恨不得馬上往自己臉上貼幾噸金，有個(gè)朋友說了一句很有意思的話：

外行一般覺得很科幻，內(nèi)行一般覺得很絕望，業(yè)界領(lǐng)袖和領(lǐng)袖各種打雞血。

大部分AI公司都在燒錢階段，未來變現(xiàn)有很大的不確定性?？纯窗俣?a href="http://m.makelele.cn/tags/自動(dòng)駕駛/" target="_blank">自動(dòng)駕駛的系統(tǒng)和google圖像識(shí)別系統(tǒng)的開放可以預(yù)知未來免費(fèi)是大趨勢，那可是曾經(jīng)投入數(shù)百億美元。但是資本投進(jìn)來，必須拉著媒體一起吆喝，不然本都回不了（進(jìn)入AI行業(yè)才知道很多資本方原來什么也不懂亂投）。

人臉識(shí)別作為一項(xiàng)模塊技術(shù)很少有獨(dú)立應(yīng)用（獨(dú)立的業(yè)務(wù)層設(shè)計(jì)），大部分只是為已有的業(yè)務(wù)軟件體系上做增強(qiáng)，比如客戶人臉校驗(yàn)（在過去密碼基礎(chǔ)上增加一層），人臉檢索（比人工高效，攝像頭結(jié)果過濾），相似人臉推薦（比如婚介社交，整容設(shè)計(jì)），不過這個(gè)過程中已經(jīng)死掉大量公司，因?yàn)槔麧櫶?，非?qiáng)需求。

目前相關(guān)產(chǎn)業(yè)公司在已知的主要商業(yè)模式中都在實(shí)踐，但賣貨，賣授權(quán)，賣服務(wù)，后臺(tái)流量變現(xiàn)這四大商業(yè)模式中，都沒有看到一個(gè)公司有。作為行業(yè)中人，所謂的絕望無非如下：

1. 算法再好，也只是調(diào)味料，最終出路還是做到最終產(chǎn)品中，通過業(yè)務(wù)層疊加開發(fā)，形成產(chǎn)品和方案，更多時(shí)候是一個(gè)方案服務(wù)商，更像過去傳統(tǒng)軟件商，規(guī)模難有爆發(fā)。

2. 使用門檻、成本很低，目前市場上終端算法部署比較低端的產(chǎn)品授權(quán)就500元/套（1：1的遠(yuǎn)程接口調(diào)用所使用的前端授權(quán)），市場競爭的結(jié)果就是低價(jià)傾銷。

人臉識(shí)別目前就是為了各種噱頭立項(xiàng)、經(jīng)費(fèi)申請瓜分用的，有個(gè)公司靠這個(gè)拿國家各種科技補(bǔ)貼。真正賺錢都是那些中間商公司，人臉識(shí)別一家都沒有。至于未來有沒有新商業(yè)模式出現(xiàn)，暫且無法推斷。

題主問題比較寬泛（到底是盈利強(qiáng)，還是算法強(qiáng)，還是應(yīng)用強(qiáng)？），人臉識(shí)別技術(shù)的衡量維度太多，但從技術(shù)比較，比如圖像比對級(jí)的1:1，1:N，N:N；衡量的標(biāo)準(zhǔn)和維度都不同。比如算法精確度上，國內(nèi)國外的人臉識(shí)別技術(shù)大多數(shù)在開源OPENCV等開源庫上進(jìn)行新規(guī)則添加（深度學(xué)習(xí)進(jìn)行疊層運(yùn)算），公司之間的識(shí)別正確率差異僅僅在小數(shù)點(diǎn)上，99.6%-99.7%提升意義不大，如果說在LFW上稱王稱霸就是世界一流，就要被內(nèi)行笑話了。

衡量人臉識(shí)別的算法能力幾個(gè)指標(biāo)：拒識(shí)率、誤識(shí)率、通過率，準(zhǔn)確率。

先看看人臉識(shí)別的基本流程：

人臉識(shí)別最難的部分是有充分適應(yīng)各大光線環(huán)境的人臉預(yù)處理算法，需要在各種復(fù)雜的光線環(huán)境中提取到人臉信息，特別是移動(dòng)互聯(lián)網(wǎng)時(shí)代，攝像頭拍照的地方可以在斑駁的樹影下，也可以在昏暗的街燈下，以及深夜出租車內(nèi)，這對算法的魯棒性考驗(yàn)極大。同時(shí)還要考慮照片和視頻欺詐，二次成像的光線污染等問題。

下面說一下目前人臉識(shí)別的常見問題（不要再問人臉識(shí)別準(zhǔn)確度了，這個(gè)是外行話）。

1:1人臉識(shí)別算法主要用于身份驗(yàn)證

1：1人臉識(shí)別技術(shù)主要是利用圖像處理技術(shù)從圖像中提取人像特征點(diǎn)，利用生物統(tǒng)計(jì)學(xué)的原理進(jìn)行分析建立數(shù)學(xué)模型，即人臉特征點(diǎn)模型。再從人臉特征點(diǎn)模型與被測者的人的面像進(jìn)行特征分析（可以假定為無數(shù)的幾何特征點(diǎn)求解），根據(jù)分析的結(jié)果來給出一個(gè)相似值，通過這個(gè)值即可確定是否為同一人。簡單的說就是A/B兩張照片比對，產(chǎn)生的計(jì)算數(shù)值是否達(dá)到要求。

這個(gè)值我們稱之為閾值，可以從1到100（100就是極端嚴(yán)苛）很多人臉識(shí)別公司說他們的產(chǎn)品很容易通過，那只說了一半，如果閾值調(diào)整到5以下，幾乎大部分人都可以是相似的，而調(diào)整到95以上，同一個(gè)人在不同的背景環(huán)境拍出的照片都無法匹配。所以當(dāng)一公司跟你吹牛算法準(zhǔn)確度，先問下使用的是用什么閾值，同一人臉比對通過率，非同一人比對通過率。

1：1主要用于快速的人臉識(shí)別比對，作為身份確認(rèn)的一種新方式，比如考生身份確認(rèn)、公司考勤確認(rèn)、各種證件照和本人確認(rèn)，由于這些照片源不一定有權(quán)威統(tǒng)一的接口調(diào)用，所以一直沒有用起來。目前市面上做的比對來源主要有三種方式：

1. 用戶自傳照片，比如支付寶的人臉比對，用戶自傳的照片最大的問題是照片質(zhì)量的合格率太低，拍照的光線、角度等因素會(huì)導(dǎo)致采集源的質(zhì)量下降，不利于后期的大批量人臉特征碼管理。

2. 使用身份證讀卡器，讀取身份證上的照片，遺憾的是這張照片的質(zhì)量極差，2K的大小，很多照片上的人臉質(zhì)量實(shí)際非常差，不過也是目前用最多的方式。

3. 使用公安部旗下NCIIC的人臉比對接口（注意，不是網(wǎng)紋照片接口，這個(gè)接口已經(jīng)不對外），使用的是直接的人臉比對接口。目前具備有這個(gè)庫調(diào)用權(quán)限的，目前所知的只有幾家，在人臉識(shí)別公司中，好像只看到一家在提供，這里先不提了。BAT應(yīng)該都還沒有接入，如有大家有新發(fā)現(xiàn)的可以補(bǔ)充。

實(shí)際上，解決比對源的問題的關(guān)鍵是需要有權(quán)威的照片數(shù)據(jù)來進(jìn)行比對，許多公司剛剛開始的時(shí)候采取NCIIC（公安部的一個(gè)事業(yè)單位）身份證返照接口的照片，進(jìn)行消網(wǎng)紋處理進(jìn)行比對，但人臉的很多特征點(diǎn)被損毀成功率大概只有6成（根據(jù)六月份發(fā)布的網(wǎng)絡(luò)安全法，目前網(wǎng)紋返照接口市面上除了銀行系統(tǒng)可以使用外，其他所用的身份證返照接口都是非法的，一用就被查）。

無證件的情況下，如何確認(rèn)本人是XX？

曾經(jīng)有一些問題是關(guān)于如何確認(rèn)本人的笑話，派出所要求一個(gè)小伙證明就是本人，證明你媽是你媽。。這種奇葩問題，但是許多陌生場合也有這種尷尬，你如果沒有帶證件，警察無法看到你的照片，如何確認(rèn)你就是XX就是之前經(jīng)常出現(xiàn)的執(zhí)法矛盾；如果一個(gè)人把身份證弄丟了，外面風(fēng)雪交加，如何給這類人辦理酒店入住手續(xù)？這些就是身份確認(rèn)的問題。公安部推身份證網(wǎng)上副本 身份認(rèn)證可“刷臉”完成就是用來解決這個(gè)問題，我們出門不用完全依賴身份證可以確定身份，可以方便很多。

但是1：1人臉?biāo)惴ǖ木薮箅[患是我們隨處可見的人臉，實(shí)際就是一個(gè)公開的鑰匙，馬云提出刷臉消費(fèi)吃飯，如果沒有手機(jī)驗(yàn)證碼（本身也是一重手機(jī)實(shí)名驗(yàn)證），分分鐘鐘被吃垮。但是既然可以用手機(jī)，為什么還用刷臉，不是多此一舉嗎？

另外還有一些高級(jí)會(huì)所，希望實(shí)現(xiàn)VIP的貴賓警報(bào)服務(wù)，這個(gè)在下面的1：N和N:人臉識(shí)別算法系統(tǒng)中可以看到。但是1：1比對的身份應(yīng)用哪家強(qiáng)了？

比如遠(yuǎn)程的互聯(lián)網(wǎng)客戶，如何確認(rèn)身份？

在互聯(lián)網(wǎng)買機(jī)票、車票，醫(yī)院掛號(hào)，政府惠民工程項(xiàng)目，以及各種證券開戶、電信開戶、互聯(lián)網(wǎng)金融開戶都會(huì)用到。過去的身份認(rèn)證方式是非常不妥的（比如支付寶的持有注冊流程，還有一些不知名的社交APP等需要上傳身份證照片），這些資料是極其容易被盜取和轉(zhuǎn)賣的，下圖是來自百度的圖片搜索結(jié)果截圖，還有最近的一些女大學(xué)生的裸條資料泄露知乎專欄，導(dǎo)致犯罪分子有很多利用的漏洞，黑客軍團(tuán)號(hào)稱資料2000萬，分分鐘鐘薅干一家金融平臺(tái)沒有問題：

許多金融公司喜歡把人臉識(shí)別SDK模塊嵌入到APP當(dāng)中，但這個(gè)太容易繞過，所以會(huì)再加上活體檢測（市場上常見的活體檢測為隨機(jī)動(dòng)作配合），但是即便加了活體檢測，也一樣可以繞過。比如下面這兩種方式：

1. 3D人臉仿真面具

2. 人臉模型實(shí)時(shí)重建

所謂道高一尺魔高一丈，這個(gè)還是增加其他的多維校驗(yàn)才能確認(rèn)身份，否則真有人要進(jìn)行遠(yuǎn)程攻擊，也不是很難的事情。那么活體檢測哪家強(qiáng)了？

1:N人臉識(shí)別算法主要用于人臉檢索

跟1：1的A/B兩張照片比對最大的區(qū)別是A/B A/C A/D……多個(gè)1：1計(jì)算，這個(gè)最大的問題是一旦BCD總和數(shù)量越大計(jì)算速度越慢，而總和超過20萬，就回出現(xiàn)多個(gè)相似結(jié)果（20萬人這個(gè)大數(shù)會(huì)導(dǎo)致有不少人長相相似），需要人工輔助定位。過去我們在電影里面看到什么“天網(wǎng)”識(shí)別系統(tǒng)只是一種理想狀態(tài)，實(shí)際應(yīng)用中都是排列出多個(gè)結(jié)果，排第一的未必是需要的人。

1：N人臉識(shí)別算法主要用于排查犯罪嫌疑人、失蹤人口的全庫搜尋、一人多證的重復(fù)排查，以此相似度列出相應(yīng)的結(jié)果，可以大大提高排查效率。類似的也可以用到走失兒童的項(xiàng)目中去，相比美帝的亞當(dāng)警報(bào)、安珀警戒，國內(nèi)有沒有類似的兒童走失警報(bào)及尋找機(jī)制？

這一類系統(tǒng)的部署需要兩個(gè)條件：

1. BCD基本庫（比如1000萬人）

2. 強(qiáng)大的算法硬件

1：N同時(shí)作業(yè)就是N:N了，同時(shí)相應(yīng)多張照片檢索需求，檢索耗費(fèi)的時(shí)間跟硬件算法關(guān)系極大，就這一領(lǐng)域的應(yīng)用，又哪家公司強(qiáng)了？

N:N人臉識(shí)別算法主要用于實(shí)時(shí)多1：N檢索計(jì)算：

N：N 該算法實(shí)際上是基于1：N的算法，輸入多個(gè)求解結(jié)果。比如視頻流的幀處理所用，對服務(wù)器的計(jì)算環(huán)境要求嚴(yán)苛，目前的算法系統(tǒng)所支撐的輸出率非常有限。

主要的限制如下：

海量的人臉照片解析需要大量運(yùn)算（目前很少看到在采集端直接解析的，都是照片剪裁）海量的人臉照片傳輸需要大量的帶寬（常見的720布控?cái)z像頭抓取最小的人臉照片為20K）海量的人臉照片在后臺(tái)檢索需要耗費(fèi)大量的運(yùn)算（國內(nèi)主流主機(jī)為例，最多到24路攝像頭）

由此可見，真正實(shí)現(xiàn)“天網(wǎng)”人臉檢索，一來要解決數(shù)億攝像頭的圖片處理，二來需要解決聯(lián)合庫的超算檢索，這可不是一般公司吃得消。有些小區(qū)和高級(jí)場所，對VIP客戶的識(shí)別和接待比較喜歡這種視頻校驗(yàn)方式，但是實(shí)際部署使用者會(huì)受到攝像頭位置、角度，以及多人同時(shí)入場產(chǎn)生的問題，而且人臉庫會(huì)非常有限，不然計(jì)算時(shí)間長，體驗(yàn)極差，一些所謂的迎賓機(jī)通常也就幾個(gè)人的照片（就是純粹給領(lǐng)導(dǎo)看的），實(shí)用價(jià)值大大的打折扣，有戴墨鏡或者帽子遮蔽都認(rèn)不出，畢竟關(guān)鍵特征取樣有限。這又有誰強(qiáng)了？

拍照和直播APP的人臉圖像疊加

國內(nèi)比較多的娛樂APP通過對人像圖層跟蹤處理，也是一個(gè)不錯(cuò)的技術(shù)切入點(diǎn)，但是產(chǎn)品安裝包會(huì)比較大，現(xiàn)在做的也只是跟蹤技術(shù)，屬于底層識(shí)別，如果復(fù)雜一些的需要通過云服務(wù)實(shí)現(xiàn)，但是服務(wù)器算法解析速度和帶寬比較難以跟上，也不算是一種靠譜的商業(yè)模式。

人臉識(shí)別的技術(shù)發(fā)展方向：

結(jié)合三維信息：二維和三維信息融合使特征更加魯棒；

多特征融合：單一特征難以應(yīng)對復(fù)雜的光照和姿態(tài)變化；

大規(guī)模人臉比對：面向海量數(shù)據(jù)的人臉比對與搜索；

深度學(xué)習(xí)：在大數(shù)據(jù)條件下充分發(fā)揮深度神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)能力。

在視頻級(jí)N:N的校驗(yàn)中，如果要提高通過率，很多時(shí)候是采取降低準(zhǔn)確率的方式，降低算法隊(duì)列數(shù)量；同樣在一些比賽中為了降低誤識(shí)率，大大提高了準(zhǔn)確率，所以算法在校驗(yàn)的過程中必須遵循至少一個(gè)固定標(biāo)準(zhǔn)，追求的是速度效率還是最高準(zhǔn)確率。

人臉識(shí)別應(yīng)用的發(fā)展方向

人臉識(shí)別這玩意兒就是一個(gè)調(diào)味料，在千萬的業(yè)務(wù)解決方案中，就是一個(gè)小模塊，其他的都是業(yè)務(wù)層的開發(fā)問題，使用上，技術(shù)也未必要高精尖，如果一定要真正稱得上人工智能組成部分的，個(gè)人認(rèn)為未來最大的使用端是機(jī)器人視覺交互。

人臉識(shí)別算法的應(yīng)用分類派系:

人臉識(shí)別對應(yīng)解決方案方向：

個(gè)人認(rèn)為未來人臉識(shí)別會(huì)讓大部分的數(shù)據(jù)更加真實(shí)，而可以通過社會(huì)工程學(xué)模板做很多分析和改良，比如近期一些科學(xué)家利用人臉識(shí)別來分析一些人的健康、清晰，甚至是犯罪傾向，或許在未來還可以結(jié)合大數(shù)據(jù)，對我們過去傳統(tǒng)的面相分析技術(shù)做一個(gè)全新的提升，到時(shí)候算命先生都要失業(yè)了。更多機(jī)器人交互、無人機(jī)產(chǎn)生的攝像目標(biāo)鎖定分析等科幻畫面并不是多遙遠(yuǎn)的事情。

關(guān)于算法核心研發(fā)情況的爭論：

基本上國內(nèi)每家公司都會(huì)說自己的算法牛，實(shí)際上有幾家有人臉核心算法呢？國內(nèi)在完全從事算法研究的總工程師人數(shù)到目前（2016年）總計(jì)不到100人，不過也沒有現(xiàn)在問題也不大，中科院計(jì)算所山世光教授已經(jīng)開源了（https://zhuanlan.zhihu.com/p/22451474），沒有基礎(chǔ)的公司不用太辛苦從零開始在OPENCV基礎(chǔ)上做算法升級(jí)，相信很快google微軟還會(huì)有新的算法發(fā)布?，F(xiàn)在算法基本都是98%以上，這點(diǎn)差距已經(jīng)不重要，算法核不核心也沒有太大問題。大家不用太過于焦慮，產(chǎn)品到應(yīng)用階段，單單靠算法可不夠，還要考慮實(shí)際的使用。

目前做人臉識(shí)別的公司很多，集成應(yīng)用的有數(shù)百家，國內(nèi)的看百度，看融資，看各種報(bào)道就差不多了，只是認(rèn)真沉下心來做事情的公司太少。國內(nèi)的騰訊和阿里都在做（阿里支付寶用的是自己的團(tuán)隊(duì)研發(fā)算法，只是特別低調(diào)，把名聲都留給自己投資的公司，阿里可不止投了一家），國內(nèi)的公司吹牛逼的、炒概念的太多，就不聊了。

美國Identix公司

美國Bioscrypt公司

德國Cognitec Systems公司

西班牙Herta Security公司

日本NEC公司

日本Softwise公司

以上都是老牌人臉識(shí)別公司，美國Identix公司做的是多模認(rèn)證（指紋、虹膜），而Bioscrypt公司早期起于指紋識(shí)別考勤，在政府市場的份額都不小，德國的Cognitec公司主要做政府項(xiàng)目的人臉識(shí)別系統(tǒng)，而NEC公司主要做機(jī)器人視覺識(shí)別系統(tǒng)，西班牙Herta公司是一家學(xué)術(shù)很濃厚的公司。此外的還有一些以色列公司技術(shù)。這些公司幾乎做的都是政府的安全項(xiàng)目，但公司普遍規(guī)模都很小，盈利和投資也很少見報(bào)道。Facebook公司進(jìn)入這個(gè)領(lǐng)域，主要是進(jìn)行人群的分類和應(yīng)用的優(yōu)化（針對性的市場推廣），項(xiàng)目都是作為公司原本業(yè)務(wù)的一種補(bǔ)充。

所以這個(gè)問題到了最后，我只能說：如果非要問人臉識(shí)別哪家強(qiáng)，不如問哪家公司吹牛逼強(qiáng)。