Hello，大家好，我是BAT八卦小编，逛到了这个题目，小编也想发表一下看法。 1、别人会用我的视频刷脸支付吗？ A：哪有这么容易！在2017年315晚会曝光了这个事情之后，百度深度学习实验室林元庆就在百度公司利用人脸识别门闸机进行亲身验证，结果显示，通过手机录一段视频，一个照片是过不去的，只有真人可以快速通过。 （图片来自 www.ysslc.com ） 2、化妆、美瞳没有影响？ A：化妆有一些影响，但是淡妆还是OK的，至于美瞳，确实会有一些影响。 3、角度、表情、光线会非常影响识别的准确率？ 据百度微信文章《如果刷脸就能支付，那整容算不算改密码》里面提到的，在百度的算法里，+-45度都能比较好的定位和识别，但是超过45度识别难度就提高很多，表情会有一定的影响，但不是特别大，光线也一样。 4、人脸识别技术只是检测眼耳口鼻吗？ 人脸关键点定位是指在人脸检测基础上，定位出人脸局部器官的详细位置，即标记出眉毛、眼睛、鼻子、嘴巴，甚至轮廓的具体位置。人脸关键点定位准确性对人脸识别、人脸跟踪、人脸属性分析、人脸3D建模等应用都至关重要。 （图片Via Facebook's facial recognition software is now as accurate as the human brain, but what now?） 我是BAT八卦小编，想了解各种互联网资讯，欢迎撩我~关注我，开撩~~~

1.误以为人脸识别很牛逼了，很成熟了，学术界人脸相关的论文这么多，应该基本该解决的问题都解决了吧。nonono。学术界做的人脸识别都只是秀个demo而已，根本不能用在实际场景中。随便甩个年龄相差好几岁的1:1的锅，可能某些lab的demo就接不住了。学术界做人脸仅仅是提供你一个很好的应用到其他领域思路而已，真正实际中解决特定问题，data driven才是王道，自动去学习到样本的variance。远比学术界方法来的有效。 2.误以为能够在十几万人下面搜索就是实用了。nonono。能够在十几万人下面1:n，但是准确率低的吓人。能够做到1:n的高准确率的公司就那么屈指可数几家。 3.误以为人脸识别很简单，naive。nonono。各种trick，各种multi-patch，各种metric learning，各种collect data，各种场景，各种data augmentation，各种各种。 4.误以为监控摄像头可以抓拍到你的隐私，误以为利用摄像头人脸识别抓拍到犯罪分子很牛逼。nonono。人家拿个小的犯罪分子的数据库，去做rank-n的搜索，很多都可以做好。而且运气成分很大。 5. 还有很多慢慢补充。 人脸识别任重道远，砥砺前行。

其实。。。。好多人化了妆之后。。。别说机器了。。我也认不出来。。。

很多答主太低估技术的进步了，现在的人脸识别是什么水平，自己去各种无人店去试一下就知道了，主流的刷脸系统，完成正常的人脸识别不会超过一秒钟，根本不会出现什么摘个眼镜、梳个刘海、化个妆就认不出来的现象。 不说别的，就我司的刷脸门禁，也比想象中的强大多了，员工鱼贯而过，根本没有迟滞停留，比刷卡快多了，有视频有真相。如果推而广之，上班、出行、购物真是少了很多麻烦。大家可以去苏宁的无人店BIU去体验下，一样的技术。 https://www.zhihu.com/video/942067642555650048

不要再听这个公司 那个创业团队 人脸算法如何如何，分分钟我让他的算法打他自己的脸

个人认为计算机视觉虽然被炒的火热，其实是个大坑，而人脸识别则是坑中之王。 指纹识别出来很久了吧，按理说每个人的指纹都是唯一且单一的，识别准确度理论上可以达到100%吧，可是你见过哪个场景关键的系统用指纹识别吗？为什么用不了？容易被人假冒啊！人脸识别也一样，面对的问题不是我整了容系统认不出我怎么办，而是我可以整容成马云爸爸就可以利用马云爸爸的身份了啊。所以你说做个facebook、snapchat、Tinder一样的App用点儿人脸识别当娱乐可以，你说在支付宝里用人脸识别登录那我认为就是纯扯了，（蚂蚁金服貌似正在干这个事情，还有什么空付，简直是扯中之王，最近又公布了个如影计划，马云我看你继续扯，一般做的出来的黑科技项目大家巴不得都是藏的越深越好，等产品定型再公布于世，只有你这个马大忽悠的公司是小视频小广告走在产品的前列）。 计算机视觉技术只有在完全受控的环境和条件下（包括光照，有足够的识别对象的训练样本等等）才能保证一定的准确性，如此还达不到100%的准确性。人脸识别作为计算机视觉的一个门类完全受此限制。在这种情况下我认为企业用人脸识别做门禁系统是可行的，因为只需要一名保安人员的人工监督就可以防范试图愚弄人脸识别系统的行为。而用于金融领域是有很大风险的，包括刷脸支付、刷脸登录支付宝等等，这时候没有人的干涉，人们可以做任何愚弄系统的尝试。 总体而言，不看好一切和人脸识别相关的创业和企业项目。在国际领域基本看不到和人脸识别相关的项目和产品，在这条路上国内是走在了世界前列而且看样子还要继续走下去。如果非要给人脸识别技术找个应用场景的话，推荐是在受控的环境下，比如你要识别的人是已知的，而不是天安门广场上的小偷，也不要把你的摄像头按在光线变化大的地方，比如天安门广场，另外有多少人工就有多少智能，所以最好给你的系统辅以人的监督。 再次，人工智能现在被资本炒的火热，因为O2O、共享的那拨热潮已经过去了，资本需要新的方向，但很多投资也可能会像很多AR/VR项目一样打了水漂。其实人工智能还是许多年前的那个人工智能，只是因为GPU等硬件的升级，辅以并行计算的发展，神经网络变成了深度学习而已。计算机就是用于计算的机器，人工智能就像英文原词里的artificial（ adj. 人造的，人工的 | 人为的 | 〔行为〕虚假的，不真挚的，矫揉造作的〔含贬义〕）一样，就是artificial的。计算机想要有我们期待的真正的智能，得等生物学上有关于人脑运作的重大突破才行。

一个是分不清检测和识别，另一个是理解不了保持识别精度的难度随着人脸库中脸个数增大而递增。 还有客户会说，能不能利用我的老监控，覆盖范围越大越好，最好识别30m开外的人脸。您这人脸说大了也就30乘30，臣妾实在做不到呀

谢 @天行健 邀～(￣▽￣～)~ 人脸识别是个大坑 举个栗子，那些在公开数据集刷到99.xx%其实很脆弱的，拿下眼镜就不认识我了，把刘海撸到后面弄个骚气的油头也认不出来了。。。（当然可以增加各种样本来缓解这种问题，但是这种解决问题的方式总感觉不够优雅，有点哪疼医哪的感觉） 光识别还不行，活体检测也很重要，这个也是个大坑。。。 说到底，现在的弱人工智能还比较弱鸡，离强人工智能还远着。。。 好像有点答非所问，算了，就这样吧T_T

人脸识别非常简单，就是一拍一比，（用下开源算法妥妥的）。 但实质上人脸识别涉及到很多流程，典型的入门简单，做好难，以下是一些简化的环节，在算法上还有更多细分环节。 人脸捕获与跟踪功能 人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。 人脸识别比对 人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。 人脸的建模与检索 可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板（人脸特征文件）保存到数据库中。在进行人脸搜索时（搜索式），将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。 活体检测 系统可以识别得出摄像头前的人是一个真正的人还是一幅照片。以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的配合动作。 图像质量检测 图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片进行图像质量评估，并给出相应的建议值来辅助识别。

很多非业内人士都以为搞人脸识别算法的工程师和科学家是在“教计算机识别人脸”。 实际上我们干的活是“教计算机如何自己学习识别人脸”。 类似的，AlphaGo的设计者也不是在“教计算机下围棋”，而是在“教计算机如何自学下围棋”。（这点和国际象棋不同，深蓝的设计者的的确确就是在“教计算机下国际象棋”。） ——所以AI在很多领域超越了人类，并不仅仅因为计算机在速度方面的优势，而是因为我们教它的是“自学”的方法，然后它通过自学，达到了比设计者更高的水平。