對于初學者來說，進行算法選型時有幾項因素需要重點考慮：精度與效率的平衡;人的面部因化妝、裝飾等變化較大;人臉識別底庫照的篩選與更新;活體檢測對攝像頭選型的需求;設備部署中光線與大小角度的干擾。

另外，如果涉及到支付環(huán)節(jié)，人臉識別算法既需要較高精度，盡量避免誤識，又要兼顧高峰期的支付效率，盡量避免拒識，所以算法閾值需要在誤識率和拒識率兩方面取得平衡。在此推薦虹軟視覺開放平臺的人臉識別SDK，以免費、離線著稱，尤其是近期發(fā)布的ArcFace4.1算法精度大幅提升，進一步降低了誤識率和拒識率，在相關AI應用上匹配度很高，也被業(yè)內多家方案商選用。

其次，需要重點關注人們化妝、配飾等引起的面部變化。由于支付場景下人臉識別的設定閾值較高，面部特征變化可能導致支付失敗。面對該情況，用戶可定期通過小程序或者公眾號號更新人臉識別底庫照片，或者將刷臉支付時拍下的照片作為底庫照進行更新。

另外，人臉識別底庫照注冊時需要保證照片質量，可以通過FQ(圖像質量檢測算法)對底庫進行批量篩選，質量不合格的要求學生重新上傳。高質量的人臉識別底庫將大幅提升識別效率與使用體驗，也能避免很多后續(xù)問題。市面上具備FQ功能的算法并不多，虹軟開放平臺的ArcFace4.1是一例。

該功能可以將攝像頭拍下的照片進行標準化評估，去除模糊、大角度、逆光、暗光、強光等低質量的人臉圖像，從而大幅提升識別速度，也能幫助優(yōu)化底庫人臉照，在上萬張照片中快速篩除不合格的注冊照，讓人臉識別從底庫的特征值開始就更加準確。

最后，除了人臉識別以外，活體檢測也是支付場景下不可缺少的部分，通過雙目攝像頭同時進行RGB活體檢測和IR活體檢測，是兼顧效果與性價比的優(yōu)良選擇。同時，設備部署時需要充分考慮實地場景中外部光線對攝像頭的干擾，安裝高度也需要考慮學生身高差異，避免大小角度對人臉識別造成過度影響。

（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）