人脸识别技术的这次突破，归功于机器学习算法的发展与计算硬件的革新。自2011年以来，深度学习已经成为人脸识别技术的标配。

　　2012年6月，《纽约时报》披露了“谷歌大脑”项目，引起公众关注。这个项目由当时斯坦福大学的机器学习教授吴恩达和在大规模计算机系统方面的专家杰夫·迪恩(Jeff Dean)共同主导。他们模仿人脑神经结构，将16000个中央处理器并行连接起来，形成当时世界上最大的计算机集群，训练一种称为“深度神经网络”的机器学习模型，在语音识别和图像识别领域获得了成功。

　　测试准确率竞赛背后

　 　此前，谷歌与脸书(facebook)一直在LFW测试中保持着优势地位。2014年3月，来自中国的Face++创业团队以97.27%的准确率抢占第一，领先脸书0.02个百分点。很快，2014年6月，香港中文大学教授汤晓鸥团队开发的一个名为DeepID的深度学习模型，在IFW上获得了99.15%的准确率。2015年6月，腾讯优图团队又以99.65%的成绩刷新了这一纪录。而就在最近，百度以99.77%的成绩成为这场竞争新的领先者。

　　尽管人脸识别技术有了较大进步，无论是对人脸的识别还是认证，万能的系统是不存在的，需要对应用场景进行较为明确的定义，否则准确性就会大打折扣。此外，刷脸支付依然存在较大风险，除了上述那些风险因素，人脸识别系统是否具备活体检测功能，也是一个有待解决的问题。否则，如果有人举着一张你的照片冒充你去系统认证，系统也照样会通过。黄迪补充说，指纹的身份认证也容易造假，例如，在网上买一个指纹套就能轻松模仿别人的指纹。相比而言，虹膜识别的准确性最好，但虹膜识别一般需要近红外设备，而且它与手机、平板电脑等便携式智能终端的融合度目前还较低。因此，生物识别的这三大模式目前还各有局限。

拾方易智POS，拥有支付宝、微信、百度、银联刷卡支付，更有0.38%费率实时到账，进入福建拾方易网络科技有限公司(微信公众号：shify2014)，热线拨打：4008541890 了解更多详情！