系統說下經常問的關於刷臉支付的幾個問題：

1、刷臉支付的原理？

刷臉支付的原理是人臉識別技術，人臉識別是生物識別的一種方式。「生物識別」聽上去高大上，用人 話來表述就是：教機器認人——讓機器來判斷現在正在使用賬號的人到底是不是賬號的所有者，來進行身份 驗證

2、刷臉支付的過程？

答：刷臉支付的應用場景是，在支付時，直接對使用者進行人臉識別，驗證透過即可完成支付。全程無需使用 手機

3、刷臉支付安全靠譜嗎？

答：一句話總結：不用擔心。

以支付寶為例：目前，支付寶的人臉識別準確率超過99.6%，結合眼紋等多因子驗證，準確率能達到99.99%， 超過肉眼識別97%的準確率。可以說，只要人眼能認出區別的人，識別程式就能認出；而程式能分辨出區別

的人，人眼不一定認得出。

4、萬一有人趁我睡著的時候刷我的臉怎麼辦？

答：不用擔心 。刷臉支付是採用Face++人臉識別技術，進行身份驗證的一種方式。在驗證的時候需要對著手 機鏡頭眨眼、轉頭，完成動作之後才能登入的，這叫3D互動式活體檢驗。你不可能睡覺的時候還能不停的眨 眼睛吧。同理，用照片，影片，或者軟體模擬等，都逃不過系統的”眼睛”

5、雙胞胎可以互刷嗎？

答：不可以。親兄弟，明算賬。

人臉識別，是至少有幾百個識別特徵的～所以即便是雙胞胎，也是有細微差別的，而這個差別，機器識別比 人眼要準確的多～也就是說，我們或許不該拿自己某些方面的認知和機器做對比，有些方面，是質的差距。

這個問題其實已經有科學家們研究過了，根據不同的應用場景，會有調整。 魔高一尺，道高一丈 遇到特殊情況，人臉識別會失靈嗎？比如這些情況：遇到整容、雙胞胎、濃妝等，能識別出來嗎？這涉及到適應性和準確性相平衡的問題。假定當系統設定80%相似度便認定為同一個人時，當某人發生胖瘦變化、換髮型、年齡變化時，系統能夠識別出是同一個人；而雙胞胎的相似度可能為90%，這時系統無法將兩個人區分出來。在80%的設定下，系統適應性較高，準確率相對較低。假定如果為了提高準確性，將90%相似性設定為同一個人，那麼當一個出現較少的變化，系統也可能無法識別出是同一個人，這時準確率較高，但適應性較差，會增加人工稽核的負擔。

對於整容問題，如果不是顴骨發生變化等，“小打小鬧”的微整仍然可以識別，隨著技術的發展、資料的積累，這方面問題會有好轉。雙胞胎的問題不會完全解決，在實際應用中也並沒有受到太多關注。 百度相關負責人也表示，人臉識別對於人類來說相對容易。因為機器沒有直覺，也並沒有久遠的進化歷史，只能靠分析資料來學習。特別對於識別整容、化濃妝或者十幾年跨度的照片，並沒有大量的資料可以分析。

從技術上來說，也可以用其他虹膜識別、眼球識別、指紋識別等辦法。 而對於用面具、影片等方式假冒，各家公司也推出了應對措施。 螞蟻金服相關負責人表示，支付寶配備了3D紅外深度攝像頭，且輔之以軟硬體結合的方法進行檢測，誤識率低於十萬分之一。

今年底火車站有望刷臉進站 來自前瞻產業研究院的資料顯示，2016年華人臉識別行業市場規模已超過10億元，預計到2021年將達到51億元左右。而尚未被完全開發的金融行業人臉識別的市場前景，更被業界預估為千億級市場。 但目前，人臉識別在應用方面僅僅處於初級階段，技術並不是主要問題，監管、政策、標準等仍在建立階段。

目前鐵路系統的標準已經出臺，刷臉進站正在部分火車站試點，預計今年底將實現和票的對接。 目前不同行業正在分應用場景進行人臉識別標準的建設。人臉識別技術目前在處於不斷進步和發展中，但是其安全性的隱患不可忽視。一些安全敏感行業，例如銀行、支付等應用場景中，還持有一定爭議。而人臉識別的應用標準出臺，也值得期待其落地情況。