人脸识别不是没得搞，而是有很长的路要走。我本人就做这方面技术。所谓99.7%的准确度，是指在某个有限集合里的测试结果，比如2万张公开图片中，90%用于训练，10%用于识别，这个其实离实际应用还有很大差距，我就举个简单应用场景，某大厦需要对来往的人员做白名单布控，也就是说，大厦内部人员进入不报警，外来人员报警。在大厦门口安装高清摄像机，通过人脸进行识别，但不能要求人员刻意配合刷脸，这样太影响效率，也就是说，必须是非配合型人脸识别。要求准确度超过80%，室外，而且是实时比对，人脸库为1万左右。但摄像机补光和安装角度等都可以由厂家自己定。我相信，现在还没有一家公司能做到，而且我认为，业内号称最牛的几家公司，在此场景下的准确率应该在50%到70%之间。甚至更低。不信拿出来测测。就不要说识别了，即便是人脸检测，能达到80%已经是niubility的公司了。有人会问，你为啥要求非配合啊，刷脸不行么？我是客户的话，我想反问:我为何要人脸识别？我刷卡不行么，如果担心盗刷，那刷指纹也不是不可以啊。人脸识别，其独特的优势，就是理论上可以做到非配合，其他的生物识别，基本上很难，或者基本不可行，比如指纹，虹膜，静脉，以及DNA等。其实人脸识别大部分应用属于非配合场景，原因可以自己琢磨。另外，关于深度学习的人脸识别，包括在LFW刷存在感的众多中国公司，准确地说，他们的技术只适合做图片1比1人脸验证，且不说别的，对实时应用来说，性能就是个很大问题。即便是1比1验证，去年由某部召集的国内100多家人脸识别公司公开测评中，准确度没有一家能达到70%，几乎所有国内公司都去了，为啥？用于训练模型的数据集跟现场实际环境差距很大，不低才怪呢。所以说，要达到商用化，尤其是安全相关，这条路还很长，很长。当然，做娱乐应用还是可以的。说起做娱乐，某公司的明星脸也被归类于人脸识别，明星海量的照片都在库里，然后你把其中一张照片丢进去做比对，那当然可以识别了，别说用深度学习，即便用SIFT特征找相似图也是可以的。