如今人臉識別技術越來越多得應用到我們生活之中，安防、交通、金融等領域都可以見到它的身影，同時人臉識別領域的公司也深受資本的青睞，涌現出了一大批的“獨角獸”。那么這其中到底哪家的技術強呢？

在知乎問題“關于人臉識別哪家強？”下，作者@MaxSam提供了一個高票回答，以一個從事人員的角度詳細解釋了這個行業。

以下為知乎@MaxSam 的回答：

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

外行一般覺得很科幻，內行一般覺得很絕望，業界領袖和領袖各種打雞血。

大部分AI公司都在燒錢階段，未來變現有很大的不確定性。看看百度自動駕駛的系統和google圖像識別系統的開放可以預知未來免費是大趨勢，那可是曾經投入數百億美元。但是資本投進來，必須拉著媒體一起吆喝，不然本都回不了（進入AI行業才知道很多資本方原來什么也不懂亂投）。

人臉識別作為一項模塊技術很少有獨立應用（獨立的業務層設計），大部分只是為已有的業務軟件體系上做增強，比如客戶人臉校驗（在過去密碼基礎上增加一層），人臉檢索（比人工高效，攝像頭結果過濾），相似人臉推薦（比如婚介社交，整容設計），不過這個過程中已經死掉大量公司，因為利潤太少，非強需求。

目前相關產業公司在已知的主要商業模式中都在實踐，但賣貨，賣授權，賣服務，后臺流量變現這四大商業模式中，都沒有看到一個公司有。作為行業中人，所謂的絕望無非如下：

1. 算法再好，也只是調味料，最終出路還是做到最終產品中，通過業務層疊加開發，形成產品和方案，更多時候是一個方案服務商，更像過去傳統軟件商，規模難有爆發。

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品授權就500元/套（1：1的遠程接口調用所使用的前端授權），市場競爭的結果就是低價傾銷。

人臉識別目前就是為了各種噱頭立項、經費申請瓜分用的，有個公司靠這個拿國家各種科技補貼。真正賺錢都是那些中間商公司，人臉識別一家都沒有。至于未來有沒有新商業模式出現，暫且無法推斷。

題主問題比較寬泛（到底是盈利強，還是算法強，還是應用強？），人臉識別技術的衡量維度太多，但從技術比較，比如圖像比對級的1:1，1:N，N:N；衡量的標準和維度都不同。比如算法精確度上，國內國外的人臉識別技術大多數在開源OPENCV等開源庫上進行新規則添加（深度學習進行疊層運算），公司之間的識別正確率差異僅僅在小數點上，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，就要被內行笑話了。

衡量人臉識別的算法能力幾個指標：拒識率、誤識率、通過率，準確率。

先看看人臉識別的基本流程：

人臉識別最難的部分是有充分適應各大光線環境的人臉預處理算法，需要在各種復雜的光線環境中提取到人臉信息，特別是移動互聯網時代，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，這對算法的魯棒性考驗極大。同時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別的常見問題（不要再問人臉識別準確度了，這個是外行話）。

1:1人臉識別算法主要用于身份驗證

1：1人臉識別技術主要是利用圖像處理技術從圖像中提取人像特征點，利用生物統計學的原理進行分析建立數學模型，即人臉特征點模型。再從人臉特征點模型與被測者的人的面像進行特征分析（可以假定為無數的幾何特征點求解），根據分析的結果來給出一個相似值，通過這個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，產生的計算數值是否達到要求。

這個值我們稱之為閾值，可以從1到100（100就是極端嚴苛）很多人臉識別公司說他們的產品很容易通過，那只說了一半，如果閾值調整到5以下，幾乎大部分人都可以是相似的，而調整到95以上，同一個人在不同的背景環境拍出的照片都無法匹配。所以當一公司跟你吹牛算法準確度，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別比對，作為身份確認的一種新方式，比如考生身份確認、公司考勤確認、各種證件照和本人確認，由于這些照片源不一定有權威統一的接口調用，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量的合格率太低，拍照的光線、角度等因素會導致采集源的質量下降，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量極差，2K的大小，很多照片上的人臉質量實際非常差，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，不是網紋照片接口，這個接口已經不對外），使用的是直接的人臉比對接口。目前具備有這個庫調用權限的，目前所知的只有幾家，在人臉識別公司中，好像只看到一家在提供，這里先不提了。BAT應該都還沒有接入，如有大家有新發現的可以補充。

實際上，解決比對源的問題的關鍵是需要有權威的照片數據來進行比對，許多公司剛剛開始的時候采取NCIIC（公安部的一個事業單位）身份證返照接口的照片，進行消網紋處理進行比對，但人臉的很多特征點被損毀成功率大概只有6成（根據六月份發布的網絡安全法，目前網紋返照接口市面上除了銀行系統可以使用外，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，如何確認本人是XX？

曾經有一些問題是關于如何確認本人的笑話，派出所要求一個小伙證明就是本人，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，如何確認你就是XX就是之前經常出現的執法矛盾；如果一個人把身份證弄丟了，外面風雪交加，如何給這類人辦理酒店入住手續？這些就是身份確認的問題。公安部推身份證網上副本 身份認證可“刷臉”完成就是用來解決這個問題，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人臉算法的巨大隱患是我們隨處可見的人臉，實際就是一個公開的鑰匙，馬云提出刷臉消費吃飯，如果沒有手機驗證碼（本身也是一重手機實名驗證），分分鐘鐘被吃垮。但是既然可以用手機，為什么還用刷臉，不是多此一舉嗎？

另外還有一些高級會所，希望實現VIP的貴賓警報服務，這個在下面的1：N和N:人臉識別算法系統中可以看到。但是1：1比對的身份應用哪家強了？

比如遠程的互聯網客戶，如何確認身份？

在互聯網買機票、車票，醫院掛號，政府惠民工程項目，以及各種證券開戶、電信開戶、互聯網金融開戶都會用到。過去的身份認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賣的，下圖是來自百度的圖片搜索結果截圖，還有最近的一些女大學生的裸條資料泄露知乎專欄，導致犯罪分子有很多利用的漏洞，黑客軍團號稱資料2000萬，分分鐘鐘薅干一家金融平臺沒有問題：

許多金融公司喜歡把人臉識別SDK模塊嵌入到APP當中，但這個太容易繞過，所以會再加上活體檢測（市場上常見的活體檢測為隨機動作配合），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. 人臉模型實時重建

所謂道高一尺魔高一丈，這個還是增加其他的多維校驗才能確認身份，否則真有人要進行遠程攻擊，也不是很難的事情。那么活體檢測哪家強了？

1:N人臉識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別是A/B A/C A/D……多個1：1計算，這個最大的問題是一旦BCD總和數量越大計算速度越慢，而總和超過20萬，就回出現多個相似結果（20萬人這個大數會導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”識別系統只是一種理想狀態，實際應用中都是排列出多個結果，排第一的未必是需要的人。

1：N人臉識別算法主要用于排查犯罪嫌疑人、失蹤人口的全庫搜尋、一人多證的重復排查，以此相似度列出相應的結果，可以大大提高排查效率。類似的也可以用到走失兒童的項目中去，相比美帝的亞當警報、安珀警戒，國內有沒有類似的兒童走失警報及尋找機制？

這一類系統的部署需要兩個條件：

1. BCD基本庫（比如1000萬人）

2. 強大的算法硬件

1：N同時作業就是N:N了，同時相應多張照片檢索需求，檢索耗費的時間跟硬件算法關系極大，就這一領域的應用，又哪家公司強了？

N:N人臉識別算法主要用于實時多1：N檢索計算：

N：N 該算法實際上是基于1：N的算法，輸入多個求解結果。比如視頻流的幀處理所用，對服務器的計算環境要求嚴苛，目前的算法系統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布控攝像頭抓取最小的人臉照片為20K）海量的人臉照片在后臺檢索需要耗費大量的運算（國內主流主機為例，最多到24路攝像頭）

由此可見，真正實現“天網”人臉檢索，一來要解決數億攝像頭的圖片處理，二來需要解決聯合庫的超算檢索，這可不是一般公司吃得消。有些小區和高級場所，對VIP客戶的識別和接待比較喜歡這種視頻校驗方式，但是實際部署使用者會受到攝像頭位置、角度，以及多人同時入場產生的問題，而且人臉庫會非常有限，不然計算時間長，體驗極差，一些所謂的迎賓機通常也就幾個人的照片（就是純粹給領導看的），實用價值大大的打折扣，有戴墨鏡或者帽子遮蔽都認不出，畢竟關鍵特征取樣有限。這又有誰強了？

拍照和直播APP的人臉圖像疊加

國內比較多的娛樂APP通過對人像圖層跟蹤處理，也是一個不錯的技術切入點，但是產品安裝包會比較大，現在做的也只是跟蹤技術，屬于底層識別，如果復雜一些的需要通過云服務實現，但是服務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模式。

人臉識別的技術發展方向：

結合三維信息：二維和三維信息融合使特征更加魯棒；

多特征融合：單一特征難以應對復雜的光照和姿態變化；

大規模人臉比對：面向海量數據的人臉比對與搜索；

深度學習：在大數據條件下充分發揮深度神經網絡強大的學習能力。

在視頻級N:N的校驗中，如果要提高通過率，很多時候是采取降低準確率的方式，降低算法隊列數量；同樣在一些比賽中為了降低誤識率，大大提高了準確率，所以算法在校驗的過程中必須遵循至少一個固定標準，追求的是速度效率還是最高準確率。

人臉識別應用的發展方向

人臉識別這玩意兒就是一個調味料，在千萬的業務解決方案中，就是一個小模塊，其他的都是業務層的開發問題，使用上，技術也未必要高精尖，如果一定要真正稱得上人工智能組成部分的，個人認為未來最大的使用端是機器人視覺交互。

人臉識別算法的應用分類派系:

人臉識別對應解決方案方向：

個人認為未來人臉識別會讓大部分的數據更加真實，而可以通過社會工程學模板做很多分析和改良，比如近期一些科學家利用人臉識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合大數據，對我們過去傳統的面相分析技術做一個全新的提升，到時候算命先生都要失業了。更多機器人交互、無人機產生的攝像目標鎖定分析等科幻畫面并不是多遙遠的事情。

關于算法核心研發情況的爭論：

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

目前做人臉識別的公司很多，集成應用的有數百家，國內的看百度，看融資，看各種報道就差不多了，只是認真沉下心來做事情的公司太少。國內的騰訊和阿里都在做（阿里支付寶用的是自己的團隊研發算法，只是特別低調，把名聲都留給自己投資的公司，阿里可不止投了一家），國內的公司吹牛逼的、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別公司，美國Identix公司做的是多模認證（指紋、虹膜），而Bioscrypt公司早期起于指紋識別考勤，在政府市場的份額都不小，德國的Cognitec公司主要做政府項目的人臉識別系統，而NEC公司主要做機器人視覺識別系統，西班牙Herta公司是一家學術很濃厚的公司。此外的還有一些以色列公司技術。這些公司幾乎做的都是政府的安全項目，但公司普遍規模都很小，盈利和投資也很少見報道。Facebook公司進入這個領域，主要是進行人群的分類和應用的優化（針對性的市場推廣），項目都是作為公司原本業務的一種補充。

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