公交領域刷臉支付離我們還有多遠？

我們可以這樣設想一下，當人臉識別技術在公交領域應用后，只要預先在一卡通中心錄入人臉信息，便可以在上車后通過人臉識別顯示一卡通賬戶余額，下車刷臉費用自動扣除。不用刷卡也不需要掏出手機，沒有任何主動操作，便完成了整個認證和支付的過程，這樣的便利體驗離我們還有多久呢？

其實，早在2015，在一項公交行業的創客大賽上就出現了“刷臉乘車”技術。“刷臉乘車”是運用人臉識別技術，只需要建立乘客出行人像信息庫，利用攝像頭動態獲取客流信息，便可利用識別技術進行人臉精確對比。還能實現客流流向大數據分析、班車及駕駛員管理、乘車實名制、公共安全管理等技術。

2017年9月初的一場蘋果發布會，再次火了“人臉識別”。全面屏的iPhoneX采用FaceID技術，讓國人陷入一場“刷臉狂歡”。

各行各業進入刷臉時代

目前在廣州南站、蘭州火車站、北京西站、鄭州東站、武漢站等地，都已經啟用了刷臉進站模式。旅客只需按提示將二代身份證和藍色磁卡車票放置好，保持面部正對攝像頭稍作停留進行識別，票證人相符，即可通過。

騰訊也重視人臉識別技術，騰訊董事會主席兼首席執行官馬化騰表示，騰訊有非常強的人臉識別技術能力。人臉識別技術可以推算出你丟失5年、10年后孩子的樣貌，2017年6月QQ全城助力成功尋回走失兒童。

近日，阿里巴巴、螞蟻金服聯手上海申通地鐵集團宣布，三方達成戰略合作。阿里巴巴將最新技術語音購票、刷臉進站、智能客流監測等多項技術將引入上海地鐵的“METRO大都會”App，計劃在上海地鐵實現App掃碼過閘、刷臉進站、語音購票等便捷式出行方式。

人臉識別，如何實現？

什么是人臉識別？如果要給人臉識別下個定義，它是利用人的生物特征實現個體區分的一種技術，一般包括圖像采集、特征定位、身份的確認和查找三個環節。簡單來說，人臉識別就是從圖像中提取面部特征關鍵點，比如骨骼特征、眉毛高度等，通過比對輸出結果。

在具體的應用場景中，人臉識別大致可以分為1∶1和1∶N兩種。

1∶1等級的人臉識別，實現的是最初級的“證明你是你”。從字面上就可以看出，1∶1是用戶提前上傳個人照片儲存于系統中，每次驗證時，線下拍照與系統中存儲的照片信息進行對比，進而確定“你是不是你”。

手機解鎖、刷臉支付、網上買票、醫院掛號、政府惠民工程項目，以及各種證券開戶、電信開戶、互聯網金融開戶……這都是1∶1人臉識別的應用場景。同其他方式相比，1∶1識別準確率高，對算力的要求也相對較低。

而1∶N的人臉識別算法則主要用于人臉檢索，“證明你是誰”。與1∶1的一一對照不同，1∶N需要一張照片同系統中的海量照片進行對比，根據相似度排列出多個對比結果。而排在第一順位的結果，未必準確。

同1∶1識別相比，使用地點、環境、光線、采集角度甚至是玻璃反射都會影響1∶N識別的準確度，所以1∶N相對更具有挑戰性。顯然，如果公交領域推行刷臉支付，只能是1∶N這種實現難度更大的類型。

刷臉支付在公交領域應用的難點

首先是公交場景下的環境是移動多變的，乘客上下車環境復雜多變，天氣、表情、裝束、周圍環境、擁擠程度等客觀條件動態變化，登乘方式（順序依次登乘、多人同時登乘等）不同，都將對刷臉支付乘車造成影響。

其次公交應用下的時間要求短，為了保證人流能夠迅速通過，300毫秒是一卡通的刷卡時間要求，微信、支付寶掃碼乘公交僅需0.3秒，那么對于刷臉支付仍然需要考慮實際公交場景下的人臉識別、車費支付的時間問題。

最后，刷臉支付在公交運用下還得準確率高，從目前的人臉識別技術應用看來，現在1∶1的成熟度很高，1∶N的情況下，特別是N的量級在數十萬、數百萬甚至更多的情況下如何保障準確度，是下一步人臉識別技術需要突破的方向。

刷臉支付作為一項創新性應用，值得我們不斷試點去完善技術。相信隨著相關技術和產業的逐步成熟，人臉識別技術的相關法律和標準進一步完善后，刷臉支付也能同當下的手機支付一樣在公交領域如火如荼地鋪開應用。