人脸识别主板在安检和考勤中的模式区别

人脸识别主板已经应用于刷脸支付、金融业务、访客考勤、身份验证等场景，那为什么有的用于安检，有的用于考勤？这要从硬件和软件算法说起。

一般来说，认证不太严格的人脸识别设备多为2D人脸识别，认证比较严格的则是3D人脸识别，主要是利用3D结构光、TOF等人脸摄像头来测量眼睛间距、鼻子高度等三维人脸信息。

同时我们还要看它的应用场景，就是使用人脸识别终端进行识别和对应的识别号，由此可以分为三种模式：1:1模式、1:N模式和M:N模式。

1:1模式——主要用于一对一的身份识别场景，如刷脸支付、酒店入住、考试身份验证、证人比对等。用户站在人脸识别终端前，过程中需要静止站立几秒钟(静态识别)，然后通过摄像头识别验证身份，证明“你就是你”。因为刷脸支付、酒店入住、考试身份验证、证人比对等需要实名登记制度的应用场景，一个人的失误都可能带来风险。一般要求识别准确率要达到99%以上，以确保准确的身份对应。

1:N模式——主要用于一对多的识别场景，就是人脸识别主板从N张人脸中找出对应的人，从而找出“你是谁”。公司的刷脸考勤也是通过人脸识别设备从公司内部人脸数据库中独立搜索，确定你是否是公司员工，才可以开门放行。这种模式考验人像数据库的容量，准确率比1:1模式略低5%-10%。

M:N模式——M在这里可以理解为数据库。M:N模式多用于一些人流量大，比如在火车站、演唱会、大型体育赛事等场合，这些场所进行识别时，被识别的主体通常不会停留在一个地方，处于移动状态(比如高铁站一列火车上行色匆匆的乘客)。属于动态识别，易受侧面人脸、光线、距离等影响。面对数据量较大的场景，可能需要通过人脸识别终端进行边缘计算，以减轻数据库后台的负担。

以上是人脸识别主板的几种检测模式，根据不同的应用场景，人脸识别硬件设备的购买和设置模式是不同的。