探讨人脸识别三大比对模式：1:1模式/1:N模式/M:N模式 的区别

[周思容Annie]

人脸识别技术已成人工智能最火热的应用之一，如刷脸登机、刷脸取厕纸、刷脸支付、刷脸考勤、刷脸识别闯红灯的行人、刷脸人脸识别闸机、刷脸考勤等
等，但人脸识别有三大模式，他们的区别大家真的知道吗？
首先给大家介绍一下1:1作为一种静态比对，在金融、信息安全领域中潜在的商用价值巨大。例如在机场安检中持卡人样貌与身份证信息匹配的过程就是典型的1:1场景。然而人眼辨别率只达到95%左右，并会受到外部环境影响，所以机场安检人员通过换班来保证识别的准确率。

其次1:N则是在海量的人像数据库中找出当前用户的人脸数据并进行匹配。1:N具有动态比对与非配合的特点，动态对比是指通过对动态视频流的截取来获得人脸数据并进一步比对的过程，而非配合性是识别过程非强制性与高效性的表现，识别对象无需到特定位置便能完成识别工作。由于这两个特性使1:N身份认证模式能迅速落地于公共安全管理与VIP客户人脸识别等场景，但其难度要远高于静态1:1，因为机器面临着曝光过度、逆光、侧脸、远距离等挑战。

1比N参考图：

最后M:N 是通过计算机对场景内所有人进行面部识别并与人像数据库进行比对的过程。M:N作为一种动态人脸比对，其使用率非常高，能充分应用于多种场景，例如公共安防，迎宾，机器人应用等。但是M:N模式仍存在很大的弊端，因为其必须依靠海量的人脸数据库才能运行，并且由于识别基数过大，设备分辨率不足等因素，使M:N模式会产生很高的错误率从而影响识别结果。