假如要给人脸辨认下个定义，它是利用人的生物特征完结个体区分的一种技能，一般包含图画收集、特征定位、身份的确认和查找三个环节。简单来说，人脸辨认便是从图画中提取面部特征关键点，比方骨骼特征、眉毛高度等，通过比对输出结果。
尽管iPhoneX的FaceID让计算机视觉范畴的创业者兴奋不已，但此人脸辨认非彼人脸辨认。苹果的FaceID并没有选用一般摄像头的方法，而是选用红外主动辨认的技能，这样就可以做到三维立体辨认，增强了安全系数。
在具体的应用场景中，人脸辨认大致可以分为1:1、1：N、N:N三种。
1:1等级的人脸辨认，完结的是最初级的“证明你是你”。从字面上就可以看出，1:1是用户提早上传个人相片储存于体系中，每次验证时，线下摄影与体系中存储的相片信息进行比照，从而确认“你是不是你”。
举个比如，咱们在车站过安检时，检票员拿着你的身份证跟你自己做比照，证明你是不是身份证上的自己，这种场景便是1:1的场景。手机解锁、刷脸支付、网上买票、医院挂号、政府惠民工程项目，以及各种证券开户、电信开户、互联网金融开户……这都是1：1人脸辨认的应用场景。同其他方法比较，1：1辨认精确率高，对算力的要求也相对较低。
而1：N的人脸辨认算规律首要用于人脸检索，“证明你是谁”。与1:1的一一对照不同，1：N需求一张相片同体系中的海量相片进行比照，根据类似度排列出多个比照结果。而排在第一顺位的结果，未必精确。
1:N人脸辨认算法首要应用在安防范畴，如用于排查犯罪嫌疑人、寻找走失儿童等。专心于动态人像辨认的初创企业云天励飞在2015年开端就与深圳龙岗区警方协作，在当地地铁口、火车站、城中村、商超等场所建设“深目”体系。上线几个月后，便协助警方成功告破两起命案。
应用在安防范畴的1：N人脸辨认，其特点是动态和非合作。所谓动态，即体系辨认的不是图片，而是摄像头收集的视频。非合作是指辨认对象不必感知到摄像头的方位并合作完结辨认作业，辨认对象处于被迫状态。这在提高收集便捷性的同时，也意味着你的行迹现已被彻底露出。
同1：1辨认比较，运用地址、环境、光线、收集角度甚至是玻璃反射都会影响1：N辨认的精确度，所以1:N相对更具有挑战性。
至于N:N人脸辨认，实际上相当于同时进行多个1：N辨认，用于“证明谁是谁”
