人臉識別的三種應用模式：1:1 身份驗證模式本質上是計算機對當前人臉與人像數據庫進行快速比對並得出是否匹配的過程，可以簡單理解爲證明你就是你。1:N 則是在海量的人像數據庫中找出當前用戶的人臉數據並進行匹配。M:N 是通過計算機對場景內所有人進行面部識別並與人像數據庫進行比對的過程。M：N作爲一種動態人臉比對，其使用率非常高，能充分應用於多種場景，例如公共安防，迎賓，機器人應用等。
人臉識別的主要商業應用場景包括安防、門禁、新零售以及人證合一等領域：安防領域，隨着智能安防概念的深入逐漸產生前端攝像頭與後端處理的智能識別分析需求;智能門禁系統是人臉識別在商業領域中最早的應用載體之一，其中人臉識別門禁系統對於其他生物識別門禁系統的優勢在於：自然性、非強制性、非接觸性和智能數據輸出;智能迎賓系統基於動態捕捉與非配合式人臉識別技術，與門禁聯動，並結合後臺管理系統可實現快速，準確識別賓客身份，訪客邀約，訪客登記，訪客數據統計，訪客查詢等功能;人臉識別也是AmazonGo所代表的新零售應用場景的關鍵技術;此外，人證合一產品將×××識別與人臉識別技術結合在一起，市場需求旺盛。
人臉識別的三種模式
1.1 人臉識別的1:1模式 1:1身份驗證模式本質上是計算機對當前人臉與人像數據庫進行快速比對並得出是否匹配的過程，可以簡單理解爲證明你就是你。1:1作爲一種靜態比對，在泛金融的核身、信息安全領域中潛在的商用價值巨大。例如在機場安檢中持卡人樣貌與×××信息匹配的過程就是典型的1:1場景。然而人眼辨別率只達到95%左右，並會受到外部環境影響，所以機場安檢人員通過換班來保證識別的準確率。人臉識別技術的出現解決了人工識別的弊端，並能充分應用於考試考生身份的審覈、酒店入住辦理，火車站人票合一認證，移動端支付等任何需要實名制等場景。
1.2 人臉識別的1:N模式 1:N則是在海量的人像數據庫中找出當前用戶的人臉數據並進行匹配。1:N具有動態比對與非配合的特點，動態對比是指通過對動態視頻流的截取來獲得人臉數據並進一步比對的過程，而非配合性是識別過程非強制性與高效性的表現，識別對象無需到特定位置便能完成識別工作。由於這兩個特性使1:N身份認證模式能迅速落地於公共安全管理與VIP客戶人臉識別等場景，但其難度要遠高於靜態1:1，因爲機器面臨着曝光過度、逆光、側臉、遠距離等挑戰。
1.3 人臉識別的M:N模式 M:N 是通過計算機對場景內所有人進行面部識別並與人像數據庫進行比對的過程。M:N作爲一種動態人臉比對，其使用率非常高，能充分應用於多種場景，例如公共安防，迎賓，機器人應用等。但是M:N模式仍存在很大的弊端，因爲其必須依靠海量的人臉數據庫才能運行，並且由於識別基數過大，設備分辨率不足等因素，使M:N模式會產生很高的錯誤率從而影響識別結果。 人臉識別技術的成熟雖然能代替一部分勞動力，但仍不能作爲唯一的驗證方式，其更需要與人工識別相結合從而進行精準判斷。例如，在受到外部環境干擾下，人臉識別技術會產生錯誤數據，這時就需要人工協助，共同完成識別確認過程;又或者在企業應用中，具有較高機密需求的場所可以採用人臉識別和刷卡的雙重認證來進一步確保安全性。