人臉識別到底有多少種應用場景？
人臉識別的應用范圍很廣，從門禁、設備登錄到機場、公共區域的監控。下表給出了一些人臉識別的應用領域。
類別應用領域
表1 人臉識別的應用領域
以公安應用為例，公安部門在查辦案、處理事務時常常會遇到一些不明身份的人員，比如走丟的老人、小孩，拒不交代身份的嫌疑犯，無人認領的尸體等。這時傳統的方法往往不能解決問題。利用人臉檢索系統，將目標人臉輸入到系統中。系統自動在海量人口數據庫中進行查找比對，列出前若干名相似的人員信息。然后再通過人工干預的方式，對系統結果進行篩選，得到目標的真實身份。
一套基本的人臉識別布控系統功能
人臉捕獲是指在一幅圖像或視頻流的一幀中檢測出人像并將人像從背景中分離出來，并自動地將其保存。人像跟蹤是指利用人像捕獲技術，當指定的人像在攝像頭拍攝的范圍內移動時自動地對其進行跟蹤。
人臉識別分核實式和搜索式二種比對計算模式。核實式是對指將捕獲得到的人像或是指定的人像與數據庫中已登記的某一對像作比對核實確定其是否為同一人。搜索式的比對是指從數據庫中已登記的所有人像中搜索查找是否有指定的人像存在。
可以將登記入庫的人像數據進行建模提取人臉的特征，并將其生成人臉模板保存到數據庫中。在進行人臉搜索時，將指定的人像進行建模，再將其與數據庫中的所有人的模板相比對識別，最終將根據所比對的相似值列出最相似的人員列表。
因此，數據成為提升人臉識別算法性能的關鍵因素，很多應用更加關注低誤報條件下的識別性能，比如支人臉支付需要控制錯誤接受率在0.00001之內，因此以后的算法改進也將著重于提升低誤報下的識別率。對于安防監控而言，可能需要控制在0.00000001之內(比如幾十萬人的注冊庫)，安防領域的人臉識別技術更具有挑戰性。
而隨著深度學習演進，基于深度學習的人臉識別將獲得突破性的進展。它需要的只是越來越多的數據和樣本，數據和樣本越多、反復訓練的次數越多，它越容易捕捉到準確的結果和給你準確的答案。所以，當一套人臉識別系統的設備，在全面引入深度學習的算法之后，它幾乎是很完美的解決了以前長期各種各樣的變化問題。
——//////////——