这些应用场景的共同特点是：人脸识别系统都事先存储了大量的不同人脸和身1份信息，系统运行时需要将见到的人脸与之前存储的大量人脸做比对，找出匹配的人脸。

两者在早期（2012年~2015年）是通过不同的算法框架来实现的，想同时拥有人脸验证和人脸识别系统，需要分开训练两个神经网络。而 2015 年 Google 的 FaceNet [1] 的发表改变了这一现状，将两者统一到一个框架里。

从人脸识别技术应用试水智慧社区建设

人脸识别走进智慧社区，首先主要是对小区的门禁进行管理。通过把人脸识别技术和门禁系统相结合，通过对人脸的识别（“刷脸“）作为门禁开启的钥匙。业主无需额外携带门禁卡，只需要站在人脸识别门禁机前刷脸，整个开门过程不到一秒。它解决了两个问题，一是住户不需要携带卡，凭人脸进入，免去了忘带卡，***非小区人员捡到卡去复1制；7%，并支持断网比对人证比对：人脸识别终端是一款集人脸采集与验证的多功能一体机。二是当住户双手提满东西的时候不需要再经过“放东西—找钥匙—开门—再拎东西”这样的不智能的流程。

乌鲁木齐、呼和浩特、温州、杭州等机场航站将启用人脸识别技术作为身份认证识别，出入候机楼的人员都将进行实名记录。人脸识别身份认证技术一旦采用，将进一步提高机场反恐防爆工作水平。

近年来国内外都在关注机场安全

近年来，受国际安1全局势影响，民用航空领域的安全防范工作越来越引起社会各方面的密切关注。目前采用人脸识别身份认证技术主要是用于安检通道口，旅客先提供身1份证，工作人员会对身份1证进行阅读识别，同时会现场实时抓取一张照片与身1份证照片进行比对识别，了解身份1证是否是本人。同时抓取的照片还将通过网络传输给公1安相对应的人口库（黑名单库）进行比对识别，结果将实时传回前端。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。

稳定性强:人脸识别服务已成功应用于微众银行、天天P图等众多实际场景中，经过海量用户和复杂场景的验证，服务运行稳定，鲁棒性强，能够为用户提供可靠的识别体验。

算法领1先:基于高维 LBP、PCA、LDA 联合贝叶斯、度量学习、迁移学习、深度神经网络等全1面的算法，并根据每种场景，训练优化模型，达到低时延。