作為人工智能技術的重要分支，人臉識別可謂是紅透半邊天，在安防領域，更是多次協(xié)助相關部門進行緝逃、偵查、尋找走失人口等工作。當下，人臉識別技術99%的識別準確率早已不是什么大新聞，各公司算法間準確率的差異僅僅體現在小數點上，技術可以說已經較為成熟。 　　

在此背景下，配合帶有深度學習計算能力的前后端硬件，開展前端數據的大量訓練，才能實現產品和解決方案的落地。 　　

泛化能力成為人臉識別發(fā)展的瓶頸 　　

人臉識別技術長期面臨著一個問題，即算法的泛化能力，這也是現階段應用的主要瓶頸。 　　

比賽中表現良好的模型在面對實際應用中千變萬化的場景時，性能也會明顯下降，尤其是無約束人臉識別，人臉往往有很多遮擋、光線不均勻的情況，表情、像素也不一樣，面部姿態(tài)變化巨大，且還有靜態(tài)和動態(tài)之分，算法限制很高。 　　

因此，為推動人臉識別技術落地，往往會對場景進行嚴格定義，或者將算法定位為對指標不敏感的輔助功能。實際應用中，人證對比、人像采集等都需要設立具體的工程安裝方案。不過，盡管這一做法推動了人臉識別技術的落地速度，但會造成較高的成本，影響人工智能算法對傳統(tǒng)應用的滲透，也限制了獲取信息的效率，不利于算法指標進一步提升。由此看來，人臉識別算法在實際應用過程中也有碎片化的特點。 　

人臉識別應用碎片化需求如何解決? 　　

針對人臉識別技術碎片化的應用需求，軟件的價值逐漸顯現出來。相比硬件，軟件具有高擴展性，尤其是在對接用戶個性化需求方面，具有短、平、快的應用優(yōu)勢，客戶可以按需定制，滿足個性化需求?！败浖x”有望成為AI安防發(fā)展的重要推手。 　　

除此以外，為推動人臉識別技術應用，安防行業(yè)龍頭?？低曂瞥隽薃I開放平臺，據悉，該平臺擁有場景化的AI開放能力，只需基于少量數據，就能快速生成足以滿足需要的應用，應用上線后再疊加新的數據做增量訓練，從而實現算法的迭代與優(yōu)化。值得一提的是，AI平臺的開放可以吸引眾多開發(fā)者，進而推出更多適合碎片化需求的應用，而更多類型的應用會吸引更多的客戶，更多的客戶又會反過來促使平臺吸引更多的開發(fā)者，形成良性循環(huán)。人臉識別作為AI領域的重要技術，也將會隨之進一步發(fā)展。 　　

結語：目前，人臉識別技術基礎和產品化已經較為成熟，因此下一階段的命題就是如何系統(tǒng)化規(guī)模部署。不過，挑戰(zhàn)與機遇并存，人臉識別仍然面臨算法場景局限大的難題，能夠在多大程度上解決這一問題，從而降低部署成本、開發(fā)深度應用，關系著人臉識別產品和方案能否真正在實際場景中落地生根。