人脸识别的算法能力几个指标：拒识率、误识率、通过率，准确率。
人脸识别的基本流程：
人脸识别最难的部分是有充分适应各大光线环境的人脸预处理算法，需要在各种复杂的光线环境中提取到人脸信息，特别是移动互联网时代，摄像头拍照的地方可以在斑驳的树影下，也可以在昏暗的街灯下，以及深夜出租车内，这对算法的鲁棒性考验极大。同时还要考虑照片和视频欺诈，二次成像的光线污染等问题。
下面说一下目前人脸识别的常见问题:
1:1人脸识别算法主要用于身份验证
1：1人脸识别技术主要是利用图像处理技术从图像中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，即人脸特征点模型。再从人脸特征点模型与被测者的人的面像进行特征分析（可以假定为无数的几何特征点求解），根据分析的结果来给出一个相似值，通过这个值即可确定是否为同一人。简单的说就是A/B两张照片比对，产生的计算数值是否达到要求。
这个值我们称之为阈值，可以从1到100（100就是极端严苛）很多人脸识别公司说他们的产品很容易通过，那只说了一半，如果阈值调整到5以下，几乎大部分人都可以是相似的，而调整到95以上，同一个人在不同的背景环境拍出的照片都无法匹配。所以当一公司跟你吹牛算法准确度，先问下使用的是用什么阈值，同一人脸比对通过率，非同一人比对通过率。
所以没有阈值说明的算法都是耍流氓。
1：1主要用于快速的人脸识别比对，作为身份确认的一种新方式，比如考生身份确认、公司考勤确认、各种证件照和本人确认，由于这些照片源不一定有权威统一的接口调用，所以一直没有用起来。目前市面上做的比对来源主要有三种方式：
1. 用户自传照片，比如支付宝的人脸比对，用户自传的照片最大的问题是照片质量的合格率太低，拍照的光线、角度等因素会导致采集源的质量下降，不利于后期的大批量人脸特征码管理。
2. 使用身份证读卡器，读取身份证上的照片，遗憾的是这张照片2K的大小，不过也是目前用最多的源照片提取方式，比较适合签到场合。
2016给国内一些会议培训公司的识别软件（用于验证会员是否有效以及是否本人）：
3. 使用公安部旗下NCIIC的人脸比对接口（注意，不是网纹照片接口，这个接口已经不对外），使用的是直接的人脸比对接口。目前具备有这个库调用权限的，目前所知的只有几家，在人脸识别公司中，好像只看到一家在提供，这里先不提了。BAT应该都还没有接入，如有大家有新发现的可以补充。
实际上，解决比对源的问题的关键是需要有权威的照片数据来进行比对，许多公司刚刚开始的时候采取NCIIC（公安部的一个事业单位）身份证返照接口的照片，进行消网纹处理进行比对，但人脸的很多特征点被损毁成功率大概只有6成（根据六月份发布的网络安全法，目前网纹返照接口市面上除了银行系统可以使用外，其他所用的身份证返照接口都是非法的，一用就被查）。
1：1 人脸识别算法主要使用场景
-
无证件的情况下，如何确认本人是XX？
曾经有一些问题是关于如何确认本人的笑话，派出所要求一个小伙证明就是本人，证明你妈是你妈。。这种奇葩问题，但是许多陌生场合也有这种尴尬，你如果没有带证件，警察无法看到你的照片，如何确认你就是XX就是之前经常出现的执法矛盾；如果一个人把身份证弄丢了，外面风雪交加，如何给这类人办理酒店入住手续？这些就是身份确认的问题。公安部推身份证网上副本 身份认证可“刷脸”完成就是用来解决这个问题，我们出门不用完全依赖身份证可以确定身份，可以方便很多。
但是1：1人脸算法的巨大隐患是我们随处可见的人脸，实际就是一个公开的钥匙，马云提出刷脸消费吃饭，如果没有手机验证码（本身也是一重手机实名验证，同时做了人脸库图源定位，方便1:1校验），分分钟钟被吃垮。但是既然可以用手机，为什么还用刷脸，不是多此一举吗？
另外还有一些高级会所，希望实现VIP的贵宾警报服务，这个在下面的1：N和N:人脸识别算法系统中可以看到。但是1：1比对的身份应用哪家强了？
-
比如远程的互联网客户，如何确认身份？
在互联网买机票、车票，医院挂号，政府惠民工程项目，以及各种证券开户、电信开户、互联网金融开户都会用到。过去的身份认证方式是非常不妥的（比如支付宝的持有注册流程，还有一些不知名的社交APP等需要上传身份证照片），这些资料是极其容易被*取盗**和转卖的，下图是来自百度的图片搜索结果截图，还有最近的一些女大学生的裸条资料泄露知乎专栏，导致犯罪分子有很多利用的漏洞，黑客军团号称资料2000万，分分钟钟薅干一家金融平台没有问题：
人脸识别的破解：
许多金融公司喜欢把人脸识别SDK模块嵌入到APP当中，但这个太容易绕过，所以会再加上活体检测（市场上常见的活体检测为随机动作配合），但是即便加了活体检测，也一样可以绕过。比如下面这两种方式：
1. 3D人脸仿真面具
2. 人脸模型实时重建
所谓道高一尺魔高一丈，这个还是增加其他的多维校验才能确认身份，否则真有人要进行远程攻击，也不是很难的事情。那么活体检测哪家强了？
1:N人脸识别算法主要用于人脸检索
跟1：1的A/B两张照片比对最大的区别是A/B A/C A/D……多个1：1计算，这个最大的问题是一旦BCD总和数量越大计算速度越慢，而总和超过20万，就回出现多个相似结果（20万人这个大数会导致有不少人长相相似），需要人工辅助定位。过去我们在电影里面看到什么“天网”识别系统只是一种理想状态，实际应用中都是排列出多个结果，排第一的未必是需要的人。
1：N人脸识别算法主要用于排查犯罪嫌疑人、失踪人口的全库搜寻、一人多证的重复排查，以此相似度列出相应的结果，可以大大提高排查效率。类似的也可以用到走失儿童的项目中去，相比美帝的亚当警报、安珀警戒，国内有没有类似的儿童走失警报及寻找机制？
这一类系统的部署需要两个条件：
1. BCD基本库（比如1000万人）
2. 强大的算法硬件
1：N同时作业就是N:N了，同时相应多张照片检索需求，检索耗费的时间跟硬件算法关系极大，就这一领域的应用，又哪家公司强了？
N:N人脸识别算法主要用于实时多1：N检索计算：
N：N 该算法实际上是基于1：N的算法，输入多个求解结果。比如视频流的帧处理所用，对服务器的计算环境要求严苛，目前的算法系统所支撑的输出率非常有限。
主要的限制如下：
海量的人脸照片解析需要大量运算（目前很少看到在采集端直接解析的，都是照片剪裁）
海量的人脸照片传输需要大量的带宽（常见的720布控摄像头抓取最小的人脸照片为20K）
海量的人脸照片在后台检索需要耗费大量的运算（国内主流主机为例，最多到24路摄像头）
由此可见，真正实现“天网”人脸检索，一来要解决数亿摄像头的图片处理，二来需要解决联合库的超算检索，这可不是一般公司吃得消。有些小区和高级场所，对VIP客户的识别和接待比较喜欢这种视频校验方式，但是实际部署使用者会受到摄像头位置、角度，以及多人同时入场产生的问题，而且人脸库会非常有限，不然计算时间长，体验极差，一些所谓的迎宾机通常也就几个人的照片（就是纯粹给领导看的），实用价值大大的打折扣，有戴墨镜或者帽子遮蔽都认不出，毕竟关键特征取样有限。这又有谁强了？
拍照和直播APP的人脸图像叠加
国内比较多的娱乐APP通过对人像图层跟踪处理，也是一个不错的技术切入点，但是产品安装包会比较大，现在做的也只是跟踪技术，属于底层识别，如果复杂一些的需要通过云服务实现，但是服务器算法解析速度和带宽比较难以跟上，也不算是一种靠谱的商业模式。
人脸识别的技术发展方向：
结合三维信息：二维和三维信息融合使特征更加鲁棒
多特征融合：单一特征难以应对复杂的光照和姿态变化
大规模人脸比对：面向海量数据的人脸比对与搜索
深度学习：在大数据条件下充分发挥深度神经网络强大的学习能力
在视频级N:N的校验中，如果要提高通过率，很多时候是采取降低准确率的方式，降低算法队列数量；同样在一些比赛中为了降低误识率，大大提高了准确率，所以算法在校验的过程中必须遵循至少一个固定标准，追求的是速度效率还是最高准确率。
人脸识别算法的应用分类派系:
人脸识别对应解决方案方向：
个人认为未来人脸识别会让大部分的数据更加真实，而可以通过社会工程学模板做很多分析和改良，比如近期一些科学家利用人脸识别来分析一些人的健康、清晰，甚至是犯罪倾向，或许在未来还可以结合大数据，对我们过去传统的面相分析技术做一个全新的提升，到时候算命先生都要失业了。更多机器人交互、无人机产生的摄像目标锁定分析等科幻画面并不是多遥远的事情。
关于算法核心研发情况的争论：
基本上国内每家公司都会说自己的算法牛，实际上有几家有人脸核心算法呢？国内在完全从事算法研究的总工程师人数到目前（2016年）总计不到100人，不过也没有现在问题也不大，中科院计算所山世光教授已经开源了SeetaFace开源人脸识别引擎介绍，没有基础的公司不用太辛苦从零开始在OPENCV基础上做算法升级，相信很快google微软还会有新的算法发布。现在算法基本都是98%以上，这点差距已经不重要，算法核不核心也没有太大问题。大家不用太过于焦虑，产品到应用阶段，单单靠算法可不够，还要考虑实际的使用。
目前做人脸识别的公司很多，集成应用的有数百家，国内的看百度，看融资，看各种报道就差不多了，只是认真沉下心来做事情的公司太少。国内的腾讯和阿里都在做（阿里支付宝用的是自己的团队研发算法，只是特别低调，把名声都留给自己投资的公司，阿里可不止投了一家），国内的公司吹牛逼的、炒概念的太多，就不聊了。
人脸识别的算法能力：拒识率、误识率、通过率，准确率
在视频级N:N的校验中，如果要提高通过率，很多时候是采取降低准确率的方式;同样在一些比赛中为了降低误识率，大大提高了准确率，所以算法在校验的过程中必须遵循至少一个固定标准，追求的是速度效率还是最高准确率。
国内公司:
1 云从科技
2 旷视科技
3 佳都科技
4. 商汤科技
5 科大讯飞
6 铂亚信息
7 中科奥森
8 安捷天盾科技
9 银晨科技
10 骏聿科技
11 飞瑞斯科技
13 科葩信息技术
14 灏泷科技(上海)
15 赛为智能
16 智慧眼科技
17 像素数据技术
18 清大维森科技
19 瑞为信息技术
20 苏慧信息技狮
21 众智益华科技
22 瑞奥风软件科技
23 千搜科技
24 威富安防
25 可信网络科技
26 一登科技
国外公司:
1 美国Identix公司
2 美国Bioscrypt公司
3 德国Cognitec Systems公司
4 西班牙Herta Security公司
5 日本NEC公司
6 日本Softwise公司
以上都是老牌人脸识别公司，对美国公司不是很了解，两家都是老牌公司，美国Identix公司做的是多模认证(指纹、虹膜)，而Bioscrypt公司早期起于指纹识别考勤，在政府市场的份额都不小，美国还有一家叫http：//face.com(已被facebook收购)的公司以及一家做MSQDR的动态人脸贴图公司，方向是AR游戏扮演。德国的Cognitec公司主要做政府项目的人脸识别系统，而NEC公司主要做机器人视觉识别系统，西班牙Herta公司是一家学术很浓厚的公司。此外的还有一些以色列公司技术也很不错。这些公司几乎做的都是政府的安全项目，但公司普遍规模都很小，盈利和投资也很少见报道。Facebook公司进入这个领域，主要是进行人群的分类和应用的优化（针对性的市场推广），项目都是作为公司原本业务的一种补充。