人脸识别技术的比较维度很多，比如图像比对级的1：1，1：N，N：N;衡量的标准和维度都不同。单单是***度上面，国内国外的人脸识别技术大多数在开源OPENCV等开源库上进行新规则添加，公司之间的识别正确率差异仅仅在小数点上，提升意义不大，***关键的强化方向是商业适用性，使用表现的准确率和高可用性。
先看看人脸识别的基本流程：
人脸识别***难的部分是有充分适应各大光线环境的人脸预处理算法，需要在各种复杂的光线环境中提取到人脸信息，特别是移动互联网时代，摄像头拍照的地方可以在斑驳的树影下，也可以在昏暗的街灯下，以及深夜出租车内，这对算法的鲁棒性考验极大。同时还要考虑照片和视频欺诈，二次成像的光线污染等问题。
人脸识别的主要用法有两个方向：
1vs1，主要用于快速的人脸识别比对，作为身份确认的一种新方式，比如考生身份确认、公司考勤确认、***照和本人确认，由于这些照片源不一定有***统一的接口调用，所以一直没有用起来。目前市面上做的都是用户自传照片，比如***宝的人脸比对。
还有一些公司使用***中心返照接口的照片进行消网纹处理，进行比对，我们做过实验，成功率大概只有6成，因为人脸的很多特征点被损毁(不过这个接口在2016年5月已经被关闭，现在只有***有这个接口)。
***可靠的是直接用手机摄像头跟调用***中心的人脸源照片比对。连接***人脸库，可以解决很多问题，比如用户对传***照片的不信任，对持照拍摄的抵触等，以及未来信息***的隐患担忧。特别是***，婚恋社交以及各种需要实名上传的***APP，并可以通过这种方式直接12306的***票贩，以及***手机远程登记的实名制问题。(从***得知，很多大型***的整套用户验证照片在拍卖，包括***照片、本人持证照片)。
下图来自百度的图片搜索结果截图：
1vsN，这个主要用于***部***嫌疑人、失踪人口的全库搜寻、一人多证的重复排查，以此相似度列出相应的结果，可以大大提高排查效率。
N vs N 该算法实际上是基于视频流的帧处理所用，对服务器的计算环境要求严苛，目前的算法系统所支撑的输出率非常有限，需要等待下一代GPU算法，特别是基于CUDA架构的。该应用主要在一些***赛事会议场合，以及安保公司的人脸警报系统。
人脸识别的技术发展方向：
结合三维信息：二维和三维信息融合使特征更加鲁棒
多特征融合：单一特征难以应对复杂的光照和姿态变化
大规模人脸比对：面向海量数据的人脸比对与搜索
深度学习：在大数据条件下充分发挥深度***网络强大的学习能力
人脸识别的算法能力：拒识率、误识率、通过率，准确率
在视频级N:N的校验中，如果要提高通过率，很多时候是采取降低准确率的方式;同样在一些比赛中为了降低误识率，大大提高了准确率，所以算法在校验的过程中必须遵循至少一个固定标准，追求的是速度效率还是***高准确率。
国内公司
1 北京华盛恒辉科技有限公司
2北京五木恒润科技有限公司
3 佳都科技
4. 商汤科技
5 科大讯飞
6 铂亚信息
7 中科奥森
8 安捷天盾科技
9 银晨科技
10 骏聿科技
11 飞瑞斯科技
13 科葩信息技术
14 灏泷科技(上海)
15 赛为智能
16 智慧***技
17 像素数据技术
18 清大维森科技
19 瑞为信息技术
20 苏慧信息技狮
21 众智益华科技
22 瑞奥风软件科技
23 千搜科技
24 威富安防
25 可信网络科技
26 一登科技
国外公司
1 美国Identix公司
2 美国Bioscrypt公司
3 德国Cognitec Systems公司
4 西班牙Herta Security公司
5 日本NEC公司
6 日本Softwise公司