人脸识别中的1:1和1:N

人脸识别有两个比较重要的概念，即1:1和1:N。但往往很多人不理解什么情况下是1:1，什么情况下是1:N呢？

1:1如我们现在在宾馆、网吧、机场安检等的人与身份证上的照片进行比对的应用，用来证明自己是自己。想想，目前我们在车站乘车过安检时，检票人员总是拿着身份证跟你本人做对比，证明身份证里面是不是你本人，这种场景就是1:1的场景。据相关统计证明人的肉眼识别精准度达到95%左右，但是人的眼睛是有疲劳度的，所以车站安检人员需要定时换班换岗。目的就是为了保持比较平均的识别的准确率。但是，在这种场景下，如果采用人脸识别技术，识别率可达到97%甚至是更高的准确率而且系统设备是没有疲劳度的问题。

人证识别

1:N如我们现在在车站或一些重要的场所如步行街、城中村等人流密集的场所应用的人脸识别布控系统，其特点是动态和非配合。所谓的动态也就是识别的不是照 片，不是图片，而是由前端摄像机采集的动态视频流;非配合是指识别对象不用感知到摄像头的位置并配合完成识别工作，整个识别过程非常方便，不会让人排斥。 但1:N会因为使用地点，环境，光线，甚至是玻璃反射都会影响识别的准确性，所以1:N相对更具有挑战性。

人脸识别布控

在行业应用中，1:1更多是应用在 边检、考场、宾馆、酒店等确认身份信息的安全领域，特点是精准度高。而1:N主要应用的方向是在安防领域，但部分也被用于商业，如银行、移动营业厅、连锁专卖店、售楼中心的VIP识别等。比如一位看房客户去售楼中心看过一次房子，系统自动将看房的人员注册至VIP客户管理目录，当此看房客户再次出现在售楼部 ，系统会第一时间提醒相关置业顾问，完成精准信息推送。在安防方面的应用比如公共场所动态监控、黑名单识别，追逃等人员的布控。

1:1和1：N的共同点：

不论是1:1还是在1:N的场景中，都会涉及几个比较重要的关键环节——人脸检测、质量判断、识别比对。不管是照片还是视频流，静态还是动态都要在画面中判断出人脸的位置，这便是人脸检测;第二点质量判断也就是让人脸识别系统去判断是不是一张正面有效的照片，1:N的动态场景中更难一些，因为在动态人脸检测过程中，画面会出现抬头，低头， 侧脸等非配合的状态。因此质量判断的好坏直接影响最后的结果。根据每秒输出的25帧左右的画面，系统就会自动识别哪些会达到及格线，其中有一张达到了的时候就吐出来交由后台比对数据库以完成最后一步识别比对的工作。