有心人肯定还记得，在2015年德国汉诺威消费电子博览会开幕式上，阿里巴巴董事局主席马云首次向外界展示了脸部识别技术，他将自己的脸放置于机器的识别框内，系统自动识别并完成了支付，为他购买了一张1948年汉诺威工业博览会的纪念邮票。

如今脸部识别技术场景已经从德国汉诺威走向了更广阔的领域。目前刷脸支付、火车站进站、考生入场等都会应用到脸部识别技术，刷脸时代已然来临。

从苹果在iPhone5s上集成了指纹识别开始，生物检测识别就开始真正的流行起来，而苹果最新的iPhoneX又将指纹识别一刀砍掉，将面部识别作为唯一的生物识别方式。 

随之而来的便是其他厂商的一系列跟进，毕竟苹果在手机上集成的面部识别，才是更加接近于大众认可的面部识别。最开始的面部识别能用照片解锁就已经是一个笑话了，识别速度更是鸡肋。 

不过在指纹识别大行其道的今天，智能锁有必要也跟进手机厂商，将面部识别加入到智能锁当中彻底代替指纹识别吗？笔者认为有必要从三个角度来考虑这个问题：1、拒真率；2、认假率；3、识别动机

需要说明的是，截止到目前，苹果的“面容ID”的识别方式是最先进，也是最有可能被未来的智能锁大规模采用的面部识别方案，所以下文的面部识别都以苹果的“面容ID”举例。

一、拒真率
拒真率和认假率是指纹识别中两个比较重要的指标。拒真率，即FRR(False Rejection Rate)，简单来说就是将正确的信息(比如说指纹、人脸)给错误的拒绝掉的概率。

苹果iPhoneX刚上市不久，就有很多人抱怨在手机上使用密码解锁的频率，大大超过了以往所有采用指纹识别手机的时候，还有很多人抱怨在床上侧躺着的时候根本无法通过面部识别解锁，只能输入密码才能解锁。而这就是面部识别拒真率过高导致的结果。

而在指纹识别上，这个问题却很少发生。这就是人脸面部信息与指纹的信息特点不同导致的区别。

指纹识别是将手指按压在识别模块上，而按在平面上的指纹图像通常是不会有大的变化的，图像特征稳定，而且信息密集，使得加密后识别的准确率也会比较稳定。

但是面部的特征就不一样了，尽管“面容ID”已经在获取信息方面从2D图像识别进化到3D景深识别，还在处理器中加入了神经网络芯片。但是每个人的面部特征最主要还是根据骨骼来形成，不同情况下也会有所变化。

比如说让一个人在跑步机上跑，再用录像机录下面部的信息，除了抖抖抖抖抖~的表情包以外，你会发现几乎每一张截图的面部特征信息都会不一样，区别大的两张截图甚至会让你认为是两个人。人类有时都识别不出来一个人不同情况下的面部信息，更不用说刚起步的神经网络芯片了。

而上面所说的情况，还没有包含化妆、戴眼镜，戴口罩、睡眠不好导致的黑眼圈和眼袋等情况。至于变胖变瘦，苹果声称已经可以在变化的过程中逐渐适应，而其他3D面容识别的技术似乎还未达到这个效果，不过这项技术很快就可以跟进。

除了拒真率以外，认假率也是面部识别一个争议比较大的地方。

二、认假率

认假率，即FAR(False Rejection Rate)，也称为“误识率”。就是将错误的信息判断成正确的，最后通过了认证。这种指标在指纹识别上很难出现什么问题，因为你很难找到两个相近指纹的人，指纹的特征也没有规律，所以在指纹识别上，认假率高最有可能是和加密算法有关系。

而在面部识别上，这个认假率就有着很大的问题。最突出的问题就是双(多)胞胎导致的面容相仿的问题。前不久有人做过这个实验，将几对双胞胎中的一个人通过iPhoneX录入面部信息，然后让双胞胎中的另一位试图解锁。

从实际测试结果来看，这种情况的认假率高达近50%。更是有新闻爆出国内完全没有亲缘关系的两个人，仅仅因为长相相似，就可以解锁同一部iPhoneX。尽管iPhoneX上面的“面容ID”检测的特征点数远比人类观察面部时采集的特征多很多，但是在双胞胎，尤其是长相十分接近的同卵双胞胎面前，还是会败下阵来。

很多人(包括笔者这种脸盲在内)都经常会区分不开两个双胞胎，而想要使算法并不足够成熟的神经网络芯片能够区分开双胞胎或者长相相近的两个人，都需要非常长的时间来进行算法上的进化。

不过值得高兴的是，随着面部识别由2D图像识别进化到3D景深识别，仅用照片或者视频就将手机解锁的情况将不复存在，这也是识别技术的进步带来的优势，也直接将面部识别的认假率提高了好几个等级。

但是将面部识别的这种失误放在智能锁上，排除极个别双胞胎关系不好导致的问题。绝大多数的双胞胎都会欢迎自己的同胞兄弟走进家门。所以在成熟的3D景深面部识别面前，智能锁的认假率应该不是什么大的问题，毕竟认假率难点不在于被破解，而在于找到那个长得像的人。