据了解，目前金融和安防是我国人脸识别技术主要应用领域。目前很多机场安检系统都采用了人脸识别技术，比如前段时间火热的机场人脸识别，在机场安检领域就是一个巨大的市场。其实不仅仅是火车站、机场、学校等公共场所都有自己的布局，未来还会有更多的需求。增量监控空间巨大，人脸识别应用前景广阔。
此外，刷脸支付在金融领域已经非常普及，相关部门将出台人脸识别相关金融标准，明确人脸信息采集、传输、存储和利用的安全管理要求。但是，也使用人脸识别设备。为什么有的用于高铁安检，有的用于刷脸？这里要从人脸识别的硬件和软件算法说起。一般来说，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人数进行识别，这样就可以分为人脸识别的三种模式：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，过程中须静止站立几秒钟，然后通过人脸识别摄像头验证身份，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，才能保证准确的身份对应。
1:N模式，主要用于一对多的人脸识别场景。就是从N张脸上找出你要找的人，从而发现你是谁。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。比如警察想从人群密集的地方找出数据库中记录的逃犯，就需要从人脸数据库的大量信息中筛选出匹配的人。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3354在这里，M可以理解为一个数据库。M:N模式多用于人流量大，需要保证公共安全的场所。比如在火车站、演唱会、大型体育赛事中，进行这种人脸识别时，被识别的主体通常不会停留在一个地方，处于运动状态，属于动态识别，容易受到侧面、光线、距离等影响。面对数据量较大的人脸识别场景，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。
