在日常生活中，隨著人臉識別技術的成熟，你是否覺得自己的臉越來越值錢了，可以用來做很多事情，例如以下最新刷臉應用。

    人臉識別技術資料分享給大家。人臉識別、IC卡、二維碼三合一開閘！

    使用場所：小區、寫字樓訪客以及北方冬天不能人臉識別的場所。

    內部人員可以人臉或者刷卡進出，外來訪客刷被訪者發送的二維碼開閘，系統記錄哪位內部人員發了二維碼給訪客！內部人員可以設置發出二維碼的有效時間和限制次數。

    作為人工智能的一個重要分支，人臉識別技術已有很多落地應用，在公共安全領域更多次協助公安部門緝拿在逃罪犯、案件偵查、身份核驗、尋回走失人口等工作。

    01技術成熟，對算法的認識趨于理性

    中國人工智能領域的創業者似乎酷愛扎堆，在人臉識別領域呈現出百家爭鳴的態勢。人臉識別技術現已比較成熟，99%的識別準確率早已不是什么大新聞。如今，沒在某某測試集上刷個第一，都不好意思說自己是做人臉識別的公司。

    提到人臉識別人們首先想到的是算法，其實人臉識別不只是算法。決定人工智能的要素有三個：算法、算力和數據訓練。人臉識別算法一般會設定一個相似度及閾值作為評判標準，隨著深度學習技術的不斷成熟，人臉識別算法間準確率的差異僅僅體現在小數點上，99.6%提升到99.7%帶來的差別并不是那么強烈。技術總是在迭代更新的，當技術不能呈現顛覆性的時候，技術帶來的價值就會大打折扣。

    人臉識別攝像頭廠家真正的解決方案需要前端與平臺的結合，保障優秀算法的前提上，配合帶有深度學習計算能力的前后端硬件，開展前端數據的大量訓練，才能為行業提供落地產品和解決方案。

    02門檻低了，場景應用不簡單

    盡管人臉識別的精確度很高，現階段還不能適用所有場景，只有在符合受控的環境和條件下（包括光照、有足夠的識別對象的訓練樣本）才能保證一定的準確性。比如在人臉圖片采集上，不僅要在圖像或視頻的高清抓拍、鏡頭追蹤、防抖動以及確保更多有效像素等關鍵技術。

    云中心結構化≠監控點位利舊

    平安城市建設這么多年來，攝像頭已無處不在，但還是有很多人肆無忌憚地進行違法犯罪活動。這其中一個很重要的原因就是，攝像頭的數量雖多，但絕大部分情況下都拍不清人臉，犯罪分子存在僥幸心理，因而選擇鋌而走險。

    實際上90%以上的已建點位無法直接用于人臉識別，現有監控畫面中提取的人像圖片分辨率很難達到40*40pixel。低分辨率圖像相對于高分辨率圖像會損失很多高頻信息，其所能提供的細節信息豐富度和表達能力會減少。同一個算法模型，圖片的分辨率越低，相應的識別準確率也越低。若要采用云中心結構化建設人臉識別，意味著未來還要新建大量的高清視頻。