十年前，“人脸识别”的概念还是熟人依靠大脑记忆快速验证对方身份的一种方式。

“老板，给我一包烟，记在我的账上，我下个月的工资还给你。”

“好吧，把烟拿起来吧。”

递完烟后，店主立即在泛黄的笔记本上用歪歪扭扭的字迹记了一笔简单的账：“老王，某年某月欠了20元烟钱。”

依靠店主的摄像设备“双眼”采集用户的脸部，然后用“笔”写入数据库系统“笔记本”，很快就完成了一笔信用交易，这就是最早的信用支付场景。

如今，随着移动互联网、物联网万物互联的蓬勃发展，“刷脸”有了新场景、新概念。

刷脸解锁手机、刷脸绑定卡支付、刷脸认证查询公积金、刷脸贷款、刷脸便利店支付、刷脸刷脸支付刷脸进入小区、刷脸开门等。

人脸验证模式 1:1模式&1:N模式

虽然人脸识别验证的场景有很多，但可以概括为两种模式。

1:1 模式和1:N 模式。

这意味着什么？

1:1模式是身份验证模式。 它将收集到的人脸照片与数据库中指定的人脸照片进行比较，以验证是否是同一个人。 如果特征一致，则验证通过。

该模式主要用于需要实名验证的场景，例如微信支付、支付宝实名绑定银行卡。 我们提交实名信息和人脸照片后，支付系统会根据实名信息找到身份证对应的人脸照片。 然后比较两张脸部照片。

此外，常见的应用场景还包括高铁进站、机场登记等。

1：N模式为图像搜索模式。 通过设备采集一个人的人脸照片后，它可以从海量的人脸数据库中找到与当前人脸照片匹配的图片，从而找出“你是谁”。

这种模式并不陌生，比如小区门禁的人脸识别、办公区考勤、便利店的人脸识别支付等，这里的区别就在于人脸数据库的量级。 例如，办公区域、小区门禁的数据量在数万级，如随着支付宝、微信支付在便利店刷脸支付的使用量增加，人脸数据量不断增加，使得匹配越来越困难。 很多人甚至陷入刷脸成功后还得输入手机最后一个号码的尴尬境地。 。

在图像搜索模式中，除了我们“主动”通过摄像头扫描自己的脸部的方式之外，还有很多“被动”的人脸识别场景。

街道上的“天网”系统可以帮助快速追踪嫌疑人。

甚至有不少售楼处专门搭建了人脸识别系统，对顾客进行分类，并与购房折扣挂钩。 与价值数千万的房价相比，小小的折扣就意味着数万元。

这也引发了很多“戴头盔看房子”的荒唐笑话。

为什么要做那些“摇头、张嘴、眨眼”的尴尬动作？

当我们使用常用的微信、支付宝、京东、美团、抖音、银行等应用“刷脸”进行身份认证时，我们发现各个应用的刷脸体验都不同。

例如，在微信上刷脸时，首先会要求你执行一个动作，然后高饱和度的深色背景图像会让人眼睛发花；

京东、美团以及常用的银行类APP一般需要一到三步即可完成配置；

大多数场景下，支付宝直接将人脸拍到摄像头上就可以通过验证。

在我们简单的理解中，“刷脸”并不仅仅意味着把我的脸拍个大照片并进行比较。 为什么我们需要这么多愚蠢的行动？

我们知道，刷脸不仅仅是为了比脸，还需要承载刷脸人的真实意图。

相机拍摄的照片是2D平面的。 无论是真人还是相机前的人的照片，最终拍摄的照片中的人都是二维的。 那如果我用两个互联网巨头“两匹马”的个人公开照片来进行身份识别，那么你就可以用他们的花呗或者微利贷。

这绝对是不可能的。 拍照之前，首先要确认这是一个“活人”。 这就是为什么各种App要求我们在做人脸识别时要“张嘴”、“摇头”、“点头”、“眨眼”。 ”，只是为了证明镜头前的我们是真实的。

一般来说，活体人脸识别主要有以下几种方案，其中动作命令是主流体验。

这里重点介绍一下我们接触最多的微信支付中的多彩活体检测技术。 那么多令人眼花缭乱的高饱和度彩色背景图片被用来照亮我们的脸。 这些特殊的光源颜色会在脸上产生不同的色调。 反射一个光源，然后通过普通摄像头光源图像算法将多帧二维人脸映射为三维人脸，从而可以在一定程度上防止图像攻击、蒙版攻击和视频攻击。

虽然多彩的活体检测技术可以减少运动命令，但仍然有令人不愉快的眼花缭乱的体验。 有没有这样的摄像设备或技术可以支持直接识别“真人脸”？

确实，从2017年开始，手机设备制造商就在其iPad设备的前置摄像头中加入了3D结构光采集设备。 后来华为等手机厂商也逐渐推出搭载3D结构光摄像头的设备。 华为甚至合作的智选文杰M5也配备了此功能。

除了支持手机日常解锁外，3D结构光摄像头技术还可用于手机生物识别支付，闭环手机“刷脸”支付体验。

以上所有的技术保障和经验壁垒都只是为了收集一张可信的人脸照片。

人脸就是身份，人脸就是账号，人脸就是银行卡。 随着全民自媒体短视频时代的到来，我们的脸部照片或多或少地在各种社交媒体上流传，这有点像把钥匙留在街上。 感觉就像“你可以选择”。

“密码可以改，但面容不能改（整容除外）。” 我只能希望技术能走得更远，建立更多的技术基础，保证人脸识别的安全，保护我两位数余额的银行账户。