xm8023
人脸识别可以算是人工智能的一个很成功的落地项目了。问题中提到的四家企业均有人脸识别相关的业务，但是实际人脸识别的效果可能远远没有达到媒体宣传的效果。
首先抓拍其实是非配合型的人脸识别，这和人证1:1验证的人脸识别以及我们广为熟知的IPHONE等手机人脸解锁完全不是一个难度的。非配合意味着可能仅暴露出很小的人脸信息，从直观上就可以理解，相比于正脸对比信息少了很多，另外背景等等更加复杂，而同时如果搜索库很大的话（保守几十万量级），那么在限制一定的误报率（将其他人误认为目标的概率）的情况下可能准确率会低的惨不忍睹。下图是中科院山世光老师（人脸识别方向的大牛老师）的一个ppt中的数字：
可见非配合情况下，监控库中有1000人，在10-6的FAR下（FAR是人脸识别中的指标，确定非同人的一个阈值，如果想仔细了解可以搜索一下）可能准确率只有50%，监控库中有1w人，在10-7的FAR下准确率只有10% 。
其次目前可落地的人脸识别应用大都是限定场景限定人群库的操作，完全开放的识别准确率其实是比较低的，或者至少还要经历很长时间的发展、积累数据过程。我们看到的媒体宣传的人脸识别在LFW库的准确率达到99.7%等等其实是不能代表广义意义上的识别水平的，LFW只有万级的数据，而训练集打比赛的各方往往采用百万级的或公开或未公开的人脸数据，因此过拟合非常严重，甚至参考性都不大，有泡沫的嫌疑。
最后人脸候选比对库其实是限制在一个小范围内才能够满足实际系统运行的时间限制要求，假设需要将一张人脸和全中国的人比较（10亿+的人脸库），估计要算的黄花菜都凉了。。实时的系统短期内必然会牺牲掉一些准确率方面的性能指标。
目前火热的人工智能始终还是在弱人工智能的范畴，因此使用上都或多或少会有限制，大多数都会限定场景和领域，当然这种技术的发展已经能够显著的提高我们的生活工作效率了，不过也要理性看待，不要过度宣传。
CynthiaLee95
这么举例子，一个地铁站，一分钟100人，每分钟抓25个关键帧，这里面人脸还有重复，和逃犯数据库比对，数据库可能在30万左右，每分钟比对可能是200*300000=60000000次，这个比对需要多少机器来跑?
