我们明显感到，刷脸支付设备在我们的生活中应用越来越广。刷脸考勤、刷脸过闸、刷脸认证、刷脸支付等等，黑科技越来越影响我们的生活。那么，很多人就好奇，刷脸支付设备的原理究竟是怎样的呢?为什么它那么“神奇”?今天湖南俺行科技有限公司就满足一下大家的好奇心。

　　首先，刷脸支付设备，是由两部分组成，也就是先检测，后识别，下面分两部分介绍。

　　人脸检测技术介绍

　　刷脸支付设备之所以要有人脸检测，不光是为了检测出照片上是否有人脸，更重要的是把照片中人脸无关的部分删掉，否则整张照片的像素都传给f(x)识别函数肯定就不可用了。由于人脸检测，只需要检测出脸部的大致位置，所以技术要求相对低一点，不会应用到深度学习技术。在检测环节中，可能用到opencv、dlib等开源库的人脸检测功能，主要检测三大指标。在这里小编就不做具体的解释了!

　　人脸识别技术介绍

　　在人脸识别环节中，主要应用场景就是1:1模式和1:N模式，也就是为什么用户首次使用需要输入手机号。

　　1:1模式就是判断两张照片是否同一个人，用于身份认证上。机器会将采集的客户图像与系统留存的图像直接对比，所以也就需要先找到索引库，比如用户手机号或者PIN等，这就是首次输入手机号，此后不再输入的原因。而1:N模式，也就是识别率的问题，随着N的变大误识别率会升高，识别时间也会增长。所以机器会采集客户图像，与系统留存中的N个照片对比，从而判断照片真实度。

　　所以刷脸支付设备通常情况下，首次支付会采用手机号或者PIN作为图像的索引，采用1：1模式，快速索引出人脸，而再次到店支付时，可以使用1：N模式，在本地不多的缓存客户图像中直接匹配，提高客户体验度。

　　3D结构光摄像头

　　刷脸支付设备的核心硬件，就是3D结构光摄像头，它是区别于传统2D识别的根本所在。我们通常使用的手机、相机摄像头，都是普通的可见光VGA摄像头，也叫单目摄像头，它需要配合人体动作(眨眨眼、抬抬头)，才能实现活体检测。而3D结构光摄像头，除了搭载VGA摄像头，还有黑白摄像头、长焦/定焦摄像头、近红外摄像头、结构光组件、TOF组件等，不仅可采集人像信息，还能提供快速、精准的活体检测技术。

　　深度学习技术

　　我们经常听到，刷脸支付设备技术，采用了深度学习技术，提高了人脸识别的准确性。事实上确实如此，那么深度学习技术是怎样的呢?

　　我们都听说过阿尔法狗大战围棋高手，之所以阿尔法狗能保持不败，或者失败一局之后，就能迅速扭转战局，这就是采用了深度学习技术。它能够通过自我学习，使得下次挑战不再出错，或者降低错误，人脸识别也是如此，通过一次次的识别和算法调整，最终达到0失误率，目前识别准确性已经高达99.9%。

　　在深度学习出现后，人脸识别技术才真正有了可用性。这是因为之前的机器学习技术中，难以从图片中取出合适的特征值。轮廓、颜色、眼睛、眼睑，这么多的部位，再加上拍摄角度、光线、表情、皱纹等，同一张面孔可能呈现的差别很大，机器也没法进行特征值分类。而深度学习技术，就可以通过训练算法自行调整参数权重，构造出一个准确率较高的f(x)函数，给定一张照片则可以获取到特征值，进而再归类，达到金融级识别率。

　　看完这篇文章之后，大家是不是觉得这样子的黑科技真的太高深了!怎么样大家喜欢这样子的支付方式吗?不说别的，小编很喜欢，因为刷脸支付设备给我在上班的早上节约了很多的时间!