撰文：杨一鸣
突破技术
人脸识别技术如今已经十分精确，可以被网络交易以及相关领域所应用。
重要意义
该技术提供了一种安全且快捷的支付方式，但是也许存在隐私问题。
技术成熟期
现在
主要研究者
- Face++
- 百度
- 阿里巴巴
-腾讯优图
得益于网络支付平台的兴起，现在的支付方式已经变得越来越便捷，特别是手机端的支付宝和微信支付，让手机成为另一个可以傍身的钱包。在吃完饭准备买单时，或是在超市买完东西付账时，店家刷一下消费者手机中的二维码，消费者输入密码确认转账信息后，就可以将钱付给店家。支付过程只不过几秒钟，是不是很方便？但是在方便的同时，我们也在担心密码的安全级别，谁也不希望别人不经过自己的同意就从自己的钱包里面掏钱吧。所以除了增加密码的复杂度，指纹识别等生物识别技术也出现在网络支付环节中。因为生物识别技术的识别对象往往具有个体差异性，比如指纹、虹膜甚至声波都是每个人特有的，如此一来就能够保证支付的安全性，远比单纯由数字和字母组成的密码要安全。另外，手机端支付的指纹识别也在实际应用中将支付行为进一步简化。相信大家都或多或少地使用过指纹识别进行支付，或者解锁手机锁屏。这已经不是一项新技术了，投入市场应用已经有几年的时间了，的确改变了我们的支付行为。而随着近几年人工智能技术的兴起，又一项生物识别技术也达到了相当精确的程度，并融入到网络支付中，这就是“刷脸支付”，就像阿里巴巴CEO马云在2015年的汉诺威消费电子、信息及通信博览会上展示的一样。这项崭新的支付认证技术由蚂蚁金服与Face++ Financial合作研发，在购物后的支付认证阶段通过扫脸取代传统密码。
那么你也许会担忧，人脸识别精确吗？人脸识别技术发展了这么多年，也只是作为计算机端的登录工具，现在作为金融服务的支付密匙能提供相对应的安全性吗？答案是肯定的。蚂蚁金服与Face++合作开发的人脸识别机器人在电视节目《最强大脑》中与人类同台竞技，就人脸识别能力进行PK，最终的结果是机器人以2∶1战胜了人类代表“水哥”王昱珩。可见其准确度已经超越了大部分人类。
具体的应用情况也能从侧面证明人脸识别的精确性：人脸识别曾作为军方以及警方识别身份的重要手段，常见于远程打击的身份验证环节。电影《天空之眼》中就展现了十分精确的人脸识别系统，该系统由无人机携带的超高清摄像头以及地面情报人员设法获取的实时影像作为信息来源，再由精确的识别软件对目标面部的特征点进行交叉对比，识别身份，最后由军方人员操作无人机进行远程精确打击。该电影中展现的人脸识别技术，采用了多个特征点的识别，并将实时传输的图像与系统中已存在的目标图像进行多点对比。一旦多个特征点甚至全部特征点与预设目标符合，系统将给出结论，并询问是否可以开始进行攻击。而在实施远程打击之后，还需要对击杀目标进行生存确认。电影中此时的目标早已面目全非，系统则针对目标的耳部的多个特征点进行识别，以获取目标的身份信息。
刷脸与密码
处于信息社会，我们的身份信息以及授权有了越来越多的识别手段。而自从密码被发明出来以后，各式各样的密码就充斥了我们的生活。相信你也曾经被自己的密码折磨过，银行密码、游戏登录密码、无线密码混在一团，分不清楚。密码的复杂程度与记忆难度以及安全性一般都是成正相关的，难记但是很安全，这也是我们在设置密码的时候需要权衡的地方。可是再复杂的密码也存在理论上被破解的可能，毕竟对于机器而言密码只是一小段字符串，有规律无规律只是对我们而言的。笔者记得2011年12月发生过的某知名网站密码外泄事件， 600万名用户的登录名、密码及邮箱遭到泄露，顿时轰动了整个互联网。许多网民不得不将自己的很多有创意的密码更换，并对整个互联网的保密安全持有深深的怀疑。如此一来，新的加密系统或身份验证方式就成了解决密码难题的关键。
密码难设且存在泄露的危险，所以在涉及公众以及个人敏感信息的领域并不常见，如金融服务。而且这些领域的授权往往都采用更加安全的方式辅助密码，或者直接成为主要的授权方式。于是一些带有个人生物特征的指纹、掌纹甚至虹膜相继成为个人身份验证的依据。如今，指纹识别在我们的智能手机上已经十分常见，解锁手机以及支付宝的快捷支付都给予了我们很多便利：不仅方便快捷，不用记忆那些挖空心思编出来的密码，还免除了密码外泄的担忧。其实，指纹识别早就因为其超高的准确性被应用于刑事鉴定中，因为几乎找不到指纹完全相同的两个人，这也成为刑事鉴定中最为准确的定罪信息之一国际公开测试中更是达到世界最高的99.5%，而2016年的6月腾讯旗下的优图实验室再次打破世界纪录，将自己的99.65%人脸识别率写入历史。所以说，人工智能的加入必然会将人脸识别的精度提高；但是绝对需要大量的数据输入，比如Face++已经将自己的人脸识别系统免费推向大众，期望获得更多的数据及素材，也能够帮助人工智能更早地完成迭代，实现更强有力的人脸识别功能 [3，4]。
不过，对于长相非常相似的双胞胎或多胞胎，以及通过整容变得判若两人的情况，人脸识别技术也可能失效。在此情况下，可以采用其他的验证信息作为辅助识别。毕竟识别技术都有弊端，准确率只可能无限接近100%，但采用双重保险交叉识别的话，安全级别就会上升很多。就行业的发展来看，采用两种或两种以上的生物识别技术与最原始的密码相结合的做法，能够大大增加支付的安全性和准确性，比如用户在登录时增加一层指纹、掌纹、虹膜、声纹等生物特征作为辅助密码。
在实际应用方面，腾讯优图还推出了自己独创的唇语辅助识别功能，能提高人脸识别的精度，更能提高识别的安全性。用户在进行人脸识别时，需要按照屏幕的指令读出屏幕上出现的一行数字，系统则会实时识别用户说话时嘴唇的动作以及语音，而且唇动和语音的同步情况也列在识别的判定依据中。这其实就像现在已经出现的智能验证码，比如著名视频网站Bilibili登录时的“验证码”就需要用户拖动鼠标拼好一块拼图。类似的，唇语辅助识别也具有相当的随机性，百万级别的随机唇语模式可以抵挡照片、视频、静态3D模型的攻击，而且还不受方言甚至语种对识别的影响。如此一来，就实实在在地将人脸识别列为了活体检测，也提高了用户在进行识别时的参与度。
人脸识别技术成熟以后，的确能给人们带来很多方便，但是随之而来的安全隐私问题却常常被我们忽视。安全隐私问题确实是一个绕不过去的难题，这是因为人脸识别技术是为数不多的不需要被测者合作的生物识别技术，能在远距离使用摄像头获得高质量的检测信息，而被测者往往不知情。一旦能够象征我们身份的图像信息与网络连接，那么个人信息的安全与隐私问题也就随之而来，这也是自互联网出现以来就有的问题。解决方案可以从技术和制度入手：技术方面，能够采用不储存图像信息或身份信息的人脸识别系统，人脸识别的结果只是一条条冗长的代码，这样即使结果泄露了也不会对用户的个人信息造成威胁；制度方面，就只能依靠国家的法律法规以及相关职能部门，也只有国家加大力度监管网络安全以及个人信息安全，才能更好地建立稳定的网络环境。比如最新公布的谷歌街景软件，能够自动识别街景中的各种元素。虽然谷歌还在软件中加入了人脸识别功能，但该功能一上线就被人弹劾，谷歌公司勒令停止提供这样的服务，并将谷歌街景中的人脸都打上了马赛克。
人脸识别与生活
清华大学的唐杰教授曾以学生的身份参与建设Face++。对于人脸识别的发展前景，唐教授说：“其实不只是刷脸支付，人脸识别还能应用于很多地方。”他表示，这样的技术将会吸引中国大多数的民众。一些商品住宅区就能使用这样的技术来授权通行，商店和餐馆也能利用此项技术来提供更方便的支付服务。人脸识别在用于网络支付之前，曾出现在我们使用的手提电脑上，也就是刷脸登录。Face++最开始也是从联想电脑的刷脸登录开始崭露头角的，而后相继在金融、安防、零售领域分别开始了商业化探索，并成功开发出“Face++Financial”“Face++Security”以及“Face++BI”等人脸识别系统。其中，人脸识别在安防和监控系统中的应用也得到了中国政府的大力支持。有别于指纹识别和虹膜识别，人脸识别作为远距离生物识别技术，能监控人群，并在其中识别犯罪嫌疑人以及恐怖分子。而且一旦人脸识别的效率和准确率上升了，无所不在的24小时不间断的监控系统的确能组成一道恢恢天网，让犯罪分子和恐怖分子无所遁形。除此之外，人脸识别作为一项图像处理技术，自然也“逃不过”人类对于图像编辑的狂热。人脸识别技术与图像编辑软件的结合数不胜数。Face++就曾经和“魔漫相机”合作，这是一款能够在识别人脸之后个性化生成漫画人物形象的软件。简单来说，它就是可以把真人变成漫画人物的手机App。“魔漫相机”软件十分火爆，全球的使用人数已经超过了2亿人。而人脸识别技术在其中也充当了核心的角色，首先软件需要识别用户上传的图像中的人脸，再按照用户的要求对人像进行修饰，成为一幅漫画。不得不提的还有“美颜相机”，这是一款能够提升“颜值”的手机App，正好顺应了这个看脸世界的潮流。其中，软件能够识别人脸，并对用户面部的皮肤、肤色、色彩以及光泽进行编辑，它也是一款好评如潮的软件。特别来讲，该款软件中还有很多有意思的功能，比如给用户加上猫耳朵、狗鼻子，或者将拍摄风格变为恐怖风格，让人忍俊不禁，而这些都是人脸识别和图像处理带来的乐趣。
而在公众身份验证的应用中也能看到人脸识别的身影。在打车软件“滴滴出行”中也使用了人脸比对技术，注册司机需要进行身份验证，人脸比对技术确保注册司机的容貌与证件照相符，提高了司机注册的效率，更保障了乘客的安全。更加引人注目的是2016年公安部传来的消息：公安部第一研究所研发的网络可信身份认证服务平台即将在多个地方投入试点；通过这个平台，每个人都可以在网上生成一个终身唯一编号的“身份证网上副本”，通过“刷脸”等技术手段读取。这也意味着需要身份证的地方在未来都能被刷脸所替代，比如住宾馆登记时可能不再需要出示身份证，“刷个脸”就可以了。值得一提的是，百度正在开发一种能识别人脸、帮助人们取火车票的系统，试点选在了乌镇。这需要将数百万张人脸输入数据库才能达到99%的识别率，而乌镇这一座中国著名的旅游城市有着足够的人流量，能为人脸识别系统提供最好的实验条件。
而人脸识别在授权方面的应用也远不止支付授权，授权通行也是一个较早采用人脸识别的领域。《麻省理工科技评论》特邀记者威尔·奈特（Will Knight）去Face++采访时，就看见自己的脸出现在了大门一旁的屏幕上。进入公司后， Face++的员工将他的脸收集到公司的门禁数据库中，之后当威尔再次拜访Face++时，就能自如地进出了。之后，据威尔描述：“当我走进Face++的办公室的，发现里面有很多屏幕，这些屏幕上有着以各种角度拍摄的办公室的画面。这时，我瞥见我的脸出现在一个屏幕上，软件自动识别我脸上的83个点。我稍感不适，但是远不及技术给我带来的震撼感觉。”想象一下，若是自己居住的小区或者是工作单位也有这样的刷脸授权通行，势必会很方便，不用携带钥匙或门禁卡、刷指纹或是记忆门禁密码，只需将脸对着摄像头，系统就能自动识别，开放通行。类似的应用还出现在一些企业的考勤系统中，员工需要刷脸才能完成当天的考勤，这也杜绝了找人代刷考勤的现象。
说起Face++的起源，就不得不提到一款手机游戏“乌鸦来了”（Crows Coming），这是Face++现任CEO唐文斌在2011年刚从清华大学本科毕业时与好友印奇设计的一款手机体感游戏，玩家需要摇头晃脑躲过稻草人，得到游戏分数。该游戏就是利用手机的前置摄像头，采用人脸识别技术识别玩家的动作。这样的设计既增加了玩家的动作感，也增加了玩家在玩游戏时的参与度；如果在游戏结束之后还能够生成代表玩家的乌鸦的飞行状况的动画，相信会吸引更多的玩家。而在游戏中采用人脸识别技术可不是唐文斌的专利，其他的游戏包括我们熟知的“口袋妖怪”系列游戏，玩家在培育自己的宠物时，游戏能够识别玩家的反应，并在宠物培育界面给出相应的反馈。这也使得之前枯燥的打怪升级游戏变得丰富多彩、贴近真实，玩法也更加全面、立体。不过，人脸识别技术还只是常见于掌机上的游戏，因为玩家玩掌机的距离刚好是人脸识别的最佳状态；再远一点，摄像头的视角就大了，而此时往往采用的是动作识别，即时下受广大玩家欢迎的体感游戏。体感游戏识别动作的原理和人脸识别十分类似，也因为体感游戏能让宅男宅女们在游戏中体验到在室外游戏的感受而大受好评，这背后也是游戏的高参与度。
谈到游戏，还要提起最近几年兴起的虚拟现实游戏。虚拟现实游戏能够带给玩家十分真实的游戏感观，魔法世界中的声音、场景以及触感都能实现。而为了加入更多的个性化元素，游戏开发者往往会赋予玩家在游戏中的独特的外形，而在此环节就需要人脸识别技术。它与“魔漫相机”中的应用类似，也是将玩家的脸提取出来，做成游戏中的角色放到游戏环境中。想象一下自己穿着中世纪的盔甲、甘道夫的白袍或美军101空降师的军装，是不是很炫酷？与之相似，人脸技术也被应用于电影制作，有些饰演效果不好的魔幻角色，比如《贝奥武夫》中安吉丽娜·朱莉饰演的格兰戴尔的母亲就是人脸识别之后再经过图像处理合成的。另外，还有一些演员在拍摄电影的时候不幸去世或者早已去世了，也需要使用人脸识别技术及图像处理合成影像，典型代表就是《速度与激情》中的保罗·沃克以及《星球大战外传：侠盗一号》中的高级星区总督塔金。在老版《星战》中塔金由彼得·库欣饰演，但这位演员已经于1994年去世了，剧组找了一位和彼得·库欣身材相貌接近的演员。在这位和彼得·库欣相似的演员表演完后，再采用后期制作的计算机CG动画合成了彼得·库欣的脸。
另外，与虚拟现实同时上线的增强现实也使用了多种图像识别技术。不过，人脸识别技术的核心还是图像处理算法，最终目的还是实现数据和信息的可视化，这一点与增强现实不谋而合。而人脸识别技术已经使用在一些有增强现实概念的软件中了，如Video++公司开发的“明星认脸”，这是一款能够在视频和图片中认出明星的软件，用户随时点击明星即可获得明星及其代言的商品的信息。如果用于体育直播，识别其中的运动员并显示出其运动生涯的数据，相信也会受到观众的欢迎。其实，随着虚拟现实和增强现实的面世，许多与图像处理及图像采集相关的算法、软件和硬件如雨后春笋般出现了。同时入选“2017年《麻省理工科技评论》10大突破性技术”的“360°自拍”就是为虚拟现实服务的，它能为虚拟现实提供大量的图像素材。可以说，这些新技术都在为之后的虚拟现实和增强现实铺路，虽然目前还没有好的盈利模式，仍处于技术积累的状态。
写在最后
为了解决10大哲学问题之一的“我是谁”，我们有几个途径来进行身份验证：你有的东西、你知道的东西（如密码），还有你的生物特征。前两种东西的独特性都没有第三种强，而我们身份的独特性正是身份识别的意义所在，一串串密码或是一行行数字都不能诠释我们的身份，而这正是生物特征识别存在的意义。指纹、虹膜以及人脸识别都曾在身份识别系统中有着自己的优势与特点，而随着计算机技术的飞速发展，这些生物识别技术都纷纷转入应用面更广、更加灵活的民用市场。其中，指纹识别已经给我们的生活带来了很大的变化，我们的支付方式也得到了改善。现在的智能手机解锁或是网上支付都能使用指纹识别了，这也使得一些操作变得方便快捷。类似地，现在进入支付系统的“刷脸识别”也有着十分利好的发展前景。以人脸识别技术为核心的识别系统与人工智能联结之后，效率和识别准确度都大大提高，并会持续发展。而更为精确的人脸识别不仅能符合金融服务的安全性标准，还能广泛应用于人们的生活中，如安防、监控、网络用户登录与验证、人脸P图，以及以游戏和电影为代表的娱乐行业，可以说是深入到了生活的各个方面。这也意味着人脸识别将会从更高层面影响我们的世界。改变世界从刷脸开始。
专家点评
余晨
易宝支付联合创始人、总裁，畅销书《看见未来：改变互联网世界的人们》的作者，央视大型纪录片《互联网时代》顾问，亲自采访全球互联网企业领军人物。
刷脸支付的技术基础是机器视觉，本质则是一种生物识别技术。不同的生物识别技术，如声音、掌纹、笔迹等，未来会被运用到不同的场景。但是视觉始终是最为直观和便利的，个人标签也最为明显。毕竟不是每个人都能准确辨认自己的声音和掌纹，但是面孔是再熟悉不过的了。
生物识别相对于传统的字符密码而言，极大地提高了效率，但也增加了模糊性。把正确身份识别为错误（拒识率）和把错误身份认为正确（误识率）的比率都要降低到1%以下，才能基本满足大规模应用的标准。
生物识别有一个问题是生物信息改变的成本极高（除非整容等），所以信息泄露的伤害比字符密码更加严重。生物信息一旦数字化后，就不可避免地面临被复制传播的危险。而被窃信息的所有人不可能像改密码一样进行止损，这就给生物识别应用提出了极高的安全要求。这也是为什么各大公司即使掌握了相关技术，也只能小规模试水，尤其在金融领域更是慎之又慎。还有一个问题，就是刚才提到的拒识率和误识率的水平，因为人的生物信息不像字符密码一样定死，可能会出现变胖变瘦、手指受伤、感冒哑声等。这就要求系统有一定的容错率，允许在一定范围内识别指标的浮动。
刷脸支付并不是横空出世，实际上也是一个渐进的过程。早在2013年，芬兰的一家初创公司Uniqul就已经推出了刷脸支付系统unique，而且宣称数据会受到“军工级别”的保护。Square早在2011年就开始尝试无需手动的支付方式，Pay Pal也尝试过类似的功能。2015年，谷歌也推出了刷脸支付Hands Free，但未获广泛应用，并于2017年年初宣布关闭。2016年，万事达选择在欧洲推出刷脸支付，并于2017年推广到北美。日本同样有NEC公司在三井住友集团试点刷脸支付。
国内的刷脸支付也是百舸争流。2014年，中科院率先在国内开发出人脸识别系统，首创了人脸数据采集阵列，并在此基础上开发出人脸识别移动支付系统。旷视科技开发出了Face++平台，向阿里巴巴的蚂蚁金服提供人脸识别技术，并成就了马云在德国Ce BIT上的刷脸支付演示。2015年，支付宝已经开始试水部分用户使用人脸登录，并于2016年3月向全部用户开放。
可以说，刷脸支付是生物识别技术（尤其是机器视觉技术）达到一定的精细化水平和安全性要求的情况下，水到渠成的科技突破。目前，刷脸支付还局限于少部分平台，线下应用场景还较少，因此不妨期待一下未来它在便利店、餐馆、超市等高频场景的应用。
支付的最高境界，其实就是没有支付行为，这也是刷脸支付向我们提供的美好图景。
专家点评
田丰
阿里云研究中心主任，专注于云计算、物联网/工业互联网、大数据、VR/AR科技战略的研究，工信部人才交流中心工业和信息化特邀专家，中国互联网协会核心专家。
“人脸识别”是技术，“刷脸支付”是场景，没有技术支撑的场景是空谈，没有场景需求的技术是鸡肋。中国高科技企业正在探索将“人脸识别”技术应用于金融支付、家居安防、城市交通、政务服务、公安反恐、企业管理、在线教育、市场营销、游戏娱乐等领域，并与物联网、大数据、云计算、增强现实技术融合演进。
“人脸识别”从实验室算法到大规模商用，具有较高的技术门槛。在众多的生活类场景中，以金融界人脸识别的要求最高，必须具备高安全性（照片与视频防伪）、高准确率（误识率在0.001%以下，高识别通过率在90%以上）、高可用性（海量并发人脸比对服务的系统吞吐量TPS>1000）、高实时性（响应时间小于100微秒）。目前在全球的人脸识别研究领域，一批杰出的华人研究学者是推动技术不断发展的重要力量，可以说在世界范围内，中国“人脸识别”科技的实力无论技术还是应用都处于全球领先地位，所以本次上榜企业均被中国的高科技公司包揽。比如，“刷脸支付”由蚂蚁金服与Face++合作研发，这一突破性技术的解决方案由人脸比对算法、活体识别算法、风控防攻击策略体系三部分组成，人脸识别构建在公共云上，借助高可用、动态扩展的服务架构，才能支撑“双11”购物节、新春红包等刷脸服务高并发峰值。
“刷脸支付”等应用场景依靠数据回流，进一步加速技术的迭代进化，“大用户”沉淀“大数据”，“大数据”训练“大智能”。刷脸支付技术经过最近几年的产品优化，现在能够保证在各种复杂的环境下仍有不错的刷脸体验。比如，支付宝有超过1.5亿名用户使用过刷脸技术登录支付宝账户、实名认证、找回密码，以及在高风险交易中进行身份验证等。这是目前全球用户量和访问量最大的人脸识别系统，更是在全球金融领域范围内第一家大规模商用的在线系统。刷脸支付诞生于比较独特的互联网金融业务场景，真实场景十分复杂，用户会在不同光线（夜晚低光照）、不同角度（大角度侧脸）、不同姿势、不同表情（夸张表情）、不同妆面（重度化妆）、不同年龄（老化）下使用刷脸；用户有时躺在床上刷脸，有时在敷面膜时刷脸；如何解决各种复杂的真实环境中的刷脸体验，保证正常用户便捷通过，是很大的挑战。2016年，蚂蚁金服在云栖大会开设的“未来咖啡馆”，让消费者对着摄像头刷刷脸就能完成O2O移动支付。
安全是“刷脸支付”普及的关键。在提升真实用户刷脸通过率的同时，还要抵挡各种黑客攻击手段。照片和视频攻击已经过时，现在黑客利用机器学习网红大量视频中的表情数据、声音数据，采用人脸建模软件，能够实时合成“换脸”“换声”，在网上假扮别人直播表演。人脸活体检测技术将是持续攻防和不断改进的过程。
专家点评
杨铭
地平线机器人技术联合创始人&软件副总裁，算法与工程专家，前Facebook人工智能实验室创始成员。
作为社会性动物的人类，精准识别人脸是关键的社交技能之一。这项技能如此重要，以致人类在漫长的进化中，在大脑中专门形成了一个负责人脸识别的脑区——梭状回（fusiform gyrus）。因此，人类十分擅长这项技能，能从“惊鸿一瞥”中瞬间记住一个人，也能从“回眸一笑”中想象出这个人的各种音容笑貌，甚至在“少小离家老大回”时能仍依稀认出儿时的好友。然而，作为一种非侵入式的生物识别方法，计算机识别人脸图像却困难重重：亿万张不同的人脸，粗略地看只是脸型五官的细微差异，而同一个人的人脸，在不同的视角光照条件下，从图像上看也是千差万别。因而，机器识别人脸在过去30年里一直是计算机视觉和模式识别研究领域最有挑战性的“明星”课题，从早期基于规则的识别、“特征脸”（eigenface)、高维局部特征点，发展到近年来火热的深度卷积神经网络方法。
2012年，深度神经网络在图像识别领域取得了技术突破；到2014年，其通过并行训练学习应用于海量人脸数据，使得计算机识别人脸的准确度有了从量变到质变的提高。特别是对于比较两张人脸是否为同一个人的人脸验证任务，错误率下降到1‰的量级，同时也逐渐打破了只识别正面人脸的限制，能够容忍更大幅度的人脸图像差异。因而， Facebook、Google、Microsof、百度、Apple等互联网公司都逐渐采用了深度神经网络的人脸识别算法，改善其人脸识别服务和产品。比如，Facebook运营着世界上最大的云端人脸识别服务，在全球10多亿名用户的照片中识别人脸。国内的创业公司如旷视科技、依图科技、商汤科技、云从科技也将人脸识别应用于互联网金融和安防刑侦等领域。在人脸识别技术提升的基础上，刷脸支付也应运而生，为用户提供了一种便捷、创新的支付体验。在支付的应用中，快速方便的活体验证，即确认支付使用者是真实用户而不是假冒者预先录制的照片或视频，是一个关键技术点。相信随着深度学习技术的演进、计算平台能力的提升，人脸识别将扩大其在各个领域的产品化。
[1].自2007年以来，LFW数据库成为事实上的真实条件下的人脸识别问题的测试基准。LFW数据库包括来源于因特网的5749人的13233张人脸图像，其中有1680人有两张或两张以上的图像。LFW的标准测试协议包括6000对人脸的十折确认任务，每折包括300对正例和300对反例，采用十折平均精度作为性能评价指标。