去年三月份，马云在德国汉诺威消费电子、信息及通信博览会秀了一把Smile to Pay扫脸技术，“刷脸”支付技术一时也成为大众广知的新鲜玩意。但其实“刷脸”支付并不是新鲜的玩意，早在2013年7月份，芬兰创业公司Uniqul便在全球推出这一的便捷技术。

　　但对于消费者而言，“刷脸”技术真是可远观而不可亵玩，笔者每每看见支付宝提出的刷脸需求，都会狠心地拒绝，说到底是对于支付安全、个人隐私的担忧。

　　除了这些，目前的人脸识别技术真的可以做到便捷吗?用过人脸打卡的朋友们也许对人脸识别技术是最拒绝的，小编之前单位的打卡机，打卡前要先看下太阳光的折射角度，然后再根据光的方向，进行移位刷脸，经过种种方式刷上之后，最终显示查无此人，心里的郁闷与临近上班的时间成正比，因为此不少单位的人还是选择了刷卡。

　　而这样的现象，正是2D人脸识别技术的弊端所在。很多人在第一次接触人脸识别产品的时候，都会在脑海中首先浮现出一个问题，如果是双胞胎，机器能够识别出谁是谁吗?答案是不可以的，去年赵薇老公被司机冒充，骗过公证处人脸识别系统卖其豪宅的事件已经是敲醒了警钟，用技术的角度来解释便是传统的人脸识别技术以人的瞳孔距离为基础进行比对，是存在一定的“以偏概全”的局限，换成简单的话来说，便是人脸识别技术的准确率仍有待提高。

　　人脸识别技术的难点

　　当然存在这样的问题，并不是因为产品的质量不过关，而是因为人脸识别技术的难点实在太高。在安防监控系统中，人脸识别与智能分析技术的融合，更能加强实战及业务的拓展，但在实际的应用中，人脸识别技术本质的缺陷也不断暴露。一位资深的安防从业人员认为，人脸识别虽然看上去充满科技感，但在实际的应用中难免会暴露出技术的弊端。

　　第一是其背景环境的复杂性，往往会导致人脸检测率降低，而人脸检测的正确与否又与人脸识别性能成正比，所以未来能否研发出能够适应复杂背景环境中的人脸检测算法将是技术突破的重点。

　　第二是光照条件的复杂多变性。在监控录像中，我们很难可以保证在不同环境光线下不造成不同人脸阴暗变化，克服光照对识别率的影响仍是未来人脸识别技术突破的难点。

　　第三是人脸表情的多变性。机器识别人脸主要是算法，而人脸的变化会因表情不同而不同，当人脸表情发生变化时，人脸的轮廓也会随之不同，同时由于面部肌肉的牵引，面部的特征点的位置也会随之改变。此外，不同的人的相同表情影响也不相同，因此很难用统一的标准来精确划分各种表情对不同人的影响。

　　第四是采集人脸的角度多样性。与表情变化相似，拍摄角度的不同也会导致人脸轮廓的变化(45度自拍是有科学依据的)，由于角度的变化，可能也会导致人脸的部分特征无法被正确提取，导致识别错误。

　　第五是遮挡问题。在实际的案例中，犯罪分子往往采取帽子、眼镜等遮挡物，或者采取乔装的方式直接影响人脸特征的提取，导致人脸很多信息丢失，人脸识别算法容易出现出错或者失效。

　　3D人脸图像识别改善人脸识别技术

　　如何摆脱目前人脸识别技术的弊端，三维(3D)人脸识别方案已经得到市场的公认。相对于传统人脸识别，3D人脸识别可以应对各种光线干扰，甚至在夜晚能见度较差的环境下也可以识别人脸信息。甚至3D人脸识别技术可以在目标移动过程中进行识别，此外立体化识别不局限于人脸正面，适用于各个角度，面部头发遮挡、姿态变化也可做到高准确率识别。据网上的数据显示，两种人脸识别的实验结果如下：

　　3D生物识别与2D生物识别数据对比

　　目前在安防系统中的人脸识别技术大多为2D人脸识别，如果要进行3D识别，必须要采用多个摄像头进行拍摄，才能达到相应的3D人脸识别效果。在日本东京已经有102个站点布置摄像机进行3D拍摄，虽然效果较好，但相对成本也较高。但这样的趋势也在反映出，未来3D技术必然会在安防行业中大有所为，追求立体化、智能化的安防系统中将会更加完善。