2)人脸比对：一对多的匹配过程，解决“这是谁”的问题。系统将待识别人脸图像的特征值与数据库中存储的所有已知身份的对象的特征值进行比较，来确定待识别者的身份。

　　常见的应用场景：人脸开门、人脸检索等。

　　产品在本需求的设计上，需要考虑系统的实时性和架构方案的不同对产品逻辑的影响。例如人脸开门常见架构是跨互联网和局域网的，人脸检索常见架构是在某一个局域网(互联网)下的。

　　a.人脸开门等跨网方案需要关注的因素

　　远程算法更新：远程算法更新必然会造成本地局域网功能暂时性无法使用。因此远程算法更新的频率、时间、更新效果都需要产品在更新前精确评估。

　　增删改人脸数据与本地数据的同步：本地局域网和互联网是无法直接交互的，因此用户在互联网一旦对人脸数据库进行增删改的操作，下发程序的稳定性和及时性都需要重点关注。

　　硬件环境：本地存储空间的大小和GPU直接影响到本地识别的速度。服务器的稳定性影响到功能地正常使用。

　　守护程序：断电等外置情况意外情况发生又被处理完善后，程序能自动恢复正常。

　　b.人脸检索等某一局域网(互联网)方案需要关注的因素

　　速度：除了算法识别需要消耗一定时间外，该局域网下的网速会影响到识别结果输出的速度。

　　数据库架构：通过检索结果关联结构化数据。

　　阈值的可配置性：在界面设置阈值功能，从产品层面输入阈值后，改变相对应的结果输出。

　　输出结果排序：根据相似度排序或结构化数据排序内容地抉择

　　云服务的稳定性。

　　二、与人脸识别相关的其他CV内容

　　1、人脸表情识别(Face expression recognition 简称FER)

　　人脸表情识别的一般步骤：图片获取、图像预处理(主要有图片归一化、人脸检测与定位)、特征提取及表情分类。

　　现普遍认为人类主要有六种基本情感：愤怒(anger)、高兴(happiness)、悲伤(sadness)、惊讶(surprise)、厌恶(disgust)、恐惧(fear)。而大多数表情识别是基于这六种情感及其拓展情绪实现的，目前主要困难点是：

　　表情的精细化程度划分：每种情绪最微弱的表现是否需要被分类。分类的界限需要产品给出评估规则。

　　表情类别的多样化：是否还需要补充其他类别的情绪，六种情绪在一些场景下远不能变现人类的真实情绪。因此除了基本表情识别外，还有精细表情识别、混合表情识别、非基本表情识别等细致领域的研究。

　　缺少鲁棒性

　　2、人脸性别识别

　　性别分类是一个典型的二类问题，人脸性别分类问题需要解决的两个关键问题是人脸特征提取和分类器的选择。

　　人脸性别识别其实仅能识别到人脸外貌更偏向于女性还是男性，很难对女生男相、男生女相进行正确判断。产品需制定合理的性别划分规则。

　　3、人脸年龄识别

　　年龄识别的难度在于单人的不同年龄段识别和多人的不同年龄段识别，人脸年龄识别常和人脸识别进行组合识别，能更正确的判断在一定年限内“是否是一个人”的问题。

　　识别年龄无变化的人脸用分类即可，而对年龄变化的人脸识别方法是通过年龄模拟，将测试图像和查询库中的图像变换到某一共同的年年龄，从而去除年龄不同的影响，使识别在年龄相同的人脸图像进行。

　　除了以上内容，还有是否戴眼镜、头发长度、肤色等等方向，产品可根据需求对算法提出不同的组合类别。值得强调的是，随着行业的深入，我们会发现单纯的人脸识别并不能满足实际应用场景的需求，比如在安防行业或者金融领域，活体技术(如何验证目前的人是真人而不是照片或视频)和防欺诈技术才是戳中用户痛点的、更本质的关键。人脸识别技术和多个技术相互结合，是现在场景中运用得比较广泛的方案。

　　三、补充说明

　　1、测试环境说明

　　例如：

　　CPU：Intel(R) Core(TM) i7-4790 CPU @ 3.60 GHz

　　内存：8GB

　　系统：Ubuntu 14.04 x86_64/Windows 7 SP1 64bit

　　GCC版本：4.8.2

　　注：以上测试环境是PC，也可以在手机上。

　　2、需要说明测试集是什么，或者图片要求(比如“图片包含人脸大小应超过96*96像素)

　　a.经典人脸身份识别测试集LFW(LFW benchmark )共包含13233 张图片 5749 种不同身份;世界记录99.7%。