刷脸缴纳。2018年11月12日零点，天猫双11晚会表明，除消费记录之外，用户通过生物信息已完成缴纳的占比超过了60.3%。

多达半数的用户自由选择，使得指纹和刷脸缴纳首次沦为天猫双11主流缴纳方式。从测试数据来看，“人脸缴纳”已完成交易最慢仅有须要300毫秒。

比起2017年，用于指纹或者刷脸缴纳的老年人数量快速增长了20%。目前，用户对生物识别类缴纳方式的满意度多达95%，远超过密码缴纳。2018年12月27日，味多美宣告终端支付宝刷脸缴纳，顾客不必掏手机就能已完成购物结账。

味多美首席信息官胡博透漏，“与付现金和扫码比起，刷脸缴纳更慢更加精确。从“蜻蜓”在门店的用于效果来看，收银效率提高了60%以上，防止了用户在高峰期排队的情况。

同时，由于提高了用户体验，更有了更加多的年长顾客群体，年长用户快速增长了50%—60%。”除此之外，江西省人民医院、卜蜂莲花、红旗连锁、张仲景大药房等也争相重新加入“刷脸”缴纳的大军中。

早在2007年，支付宝方面之后对生物识别技术开始注目，指出移动支付和全面脱媒是未来两个核心方向。当然，最开始重点研究的两个方向是虹膜和声纹，虹膜识别精度高，却无法构建到PC摄像机里。

由于当时人们也还没对着手机说出的习惯，声纹识别带给的对话也令人“失望”。2012年初，支付宝和公安系统科研院所的专家反复研究，最后要求使用指纹识别技术。2014年6月27日下午4点，支付宝步入首个通过华为mate7通车指纹缴纳的用户。支付宝生物识别技术负责人李亮讲解，2014年支付宝启动人脸识别技术的研究和应用于，2015年3月，德国汉诺威消费电子、信息及通信博览会CeBIT上，马云为德国总理默克尔等嘉宾，现场展出了蚂蚁金服的Smile to Pay洗脸缴纳技术。

随后人脸识别在国内引发热潮。可以说道，2015年是人脸识别的元年，彼时AI人工智能还没大规模提到。目前，除了人脸识别，还有指纹识别、眼纹辨识、指／出纳静脉辨识、耳廓辨识、虹膜识别、表情辨识、掌纹辨识、声纹识别、步态辨识、笔迹辨识、视网膜辨识等等。

身体上的很多生物信息都可以用来辨识，通过技术、传感器等等方法，辨识方式可多达上千种，目前业界正在研发的约为三百种，还很受限。较为成熟期且应用于普遍的是人脸、指纹和虹膜。支付宝生物识别团队透漏，团队正在研发借以强化人脸识别的多模态生物识别技术，眼纹辨识是其中一种，眼纹辨识即辨识眼睛的巩膜（眼白）的血管化学键情况。

眼纹和虹膜一样，都具备很高的唯一性，即便是同卵双胞胎，眼纹也是有所不同的。如前所说，在眼纹辨识技术成熟期后，变换人脸识别，准确率未来将会再行提高几个数量级。人脸识别、指纹识别、虹膜识别、眼纹辨识各自的优缺点人脸识别优势是用户体验好，不必须用户故意因应；严重不足是人脸识别可能会受到姿态、光照、遮盖、图片清晰度等因素影响，此外，对于两张相貌极端相近的脸，人脸识别技术有可能辨识不出有。

指纹识别指纹应用于最普遍，技术也比较成熟期，但应用于上有局限性，一是少数人指纹较为劣（磨损、伤势等）；二是指纹不会被拷贝，不存在安全性风险；三是挥呕吐等类似情况下，不会影响到辨识；四是收集指纹必须对象的因应，便捷性劣一些。参看此前报导AI假造指纹来临，指纹关卡还安全性吗？虹膜识别准确度低，唯一性强劲。

严重不足在于必须用户主动因应，并且对硬件的拒绝较为低，必须有虹膜摄像头。眼纹辨识准确度与唯一性和虹膜识别非常，但对硬件没尤其拒绝，普通摄像头才可。严重不足在于眼纹辨识必须用户主动因应，用户与收集设备之间的距离、光源等（在一些光线下，眼球不会镜片，从而影响辨识）拒绝都较为低，从而影响用户体验。

生物识别技术复杂度远高于条码缴，背后算法体系简单。除了生物识别涉及的算法，还必须融合嵌入式理论、大数据等技术和手段，构成一个综合的融合决策体系。

而金融交易场景下，支付宝还必须融合风控防反击安全性等策略。谈到2014年支付宝启动生物识别技术研究背后的深层次原因时，李亮说道，“移动互联网来临以后，我们更加找到传统以密码检验为代表的身份验证方式和源于PC时代的传统风触体系早已呼吸困难用作移动互联网时代的用户随时随地用于的多样化市场需求，带给的后果是，许多场景下用户的不道德和交易更容易受到睡觉或者被风控系统误将截击，给用户带给了十分很差的体验。

而这一问题背后的本质原因是很多时候我们不理解每一个交易和不道德背后的用户是谁。”因此，支付宝应用于人脸识别技术的出发点就是期望首先在身份验证环节使用更加安全性更加便利的生物特征证书方式，需要更加精确辨识每一个用户，使得用户在先前的场景和交易中畅通无阻，也能更进一步享用到更加智能更加个性化的服务。同时，将生物识别技术应用于到亿级用户，产品技术的一般化能力，“规模化”下的用户体验等问题都是亟待解决的技术挑战。

例如，用户刷脸通不过，跟用户的主观意愿，客观环境都涉及，在有所不同手机上、有所不同智能设备上的展现出也不完全一致。“刷脸缴纳在与缴纳链路融合、商户系统终端和切断等环节也较为繁复，必须以现实的业务痛点和商户市场需求为出发点。一方面大大吸取、改良算法，另一方面和当时业务场景和现实市场需求之间寻找最佳结合点。”李亮说道。

不同于现在市场上大多数以2D人脸居多的人脸识别系统，支付宝使用了多模态生物识别技术，一方面在线下刷脸缴纳场景使用了安全等级更高的3D结构光摄像头，将传统人脸识别的对象从2D扩展到3D，另一方面也在研发眼纹辨识技术更进一步辅助和强化，减少眼纹辨识，一方面对用户体验没睡觉，另一方面有更加强劲的安全性。主要流程：收集多张眼纹，展开拆分、强化，减少杂乱点以确保模板安全性，其难题在于前期的收集、拆分、强化，特征点萃取等步骤对应的核心算法。国内外生物识别理念的差异在国外，一部分企业指出应用于生物识别技术以安全性为目的，壮烈牺牲用户一定体验是可以拒绝接受的。

但在国内，要想要构建技术的普适性，没好的用户体验的产品是没生命力的。所以，安全性为底线的前提下，必需大大执着淋漓尽致的用户体验。从两个维度提高用户体验，第一维度，软件、硬件、风控系统的升级，每一次硬件传感器的突破，都能随之带给软件和产品的阶跃式升级。第二个维度，更为完善的产品设计和交互，从通车到用于到重开皆有有具体的解释和许可，用户可以对整个环节几乎感官和掌控。

目前大多数AI算法都有其局限性，从实验室到确实落地必须解决问题碎片化的细节问题。很多情况下算法要优先解决问题横向、细分的领域问题，而不是执着一般化、相容的解决问题所有问题。

生物识别技术的更加深层次应用于，与每个国家比较不应的基础设施密切相关，涉及标准规范的完备程度，用户的用于习惯，官方权威数据库等等。缺少这些条件，生物识别大多不能是密码检验的一种替代手段、作为单点的设备或孤立无援的系统不存在。1对N是目前人脸识别仍面对的技术难题，虽然在安防场景早已有较多应用于，但人脸识别在安防领域的应用于主要用作特定人的监控和辨识，从性能上特别强调的是低解任亲率（Recall），而对准确率(Precision)有较小的容忍度，因为一般来说还必须有个人工证实过程。

而在缴纳领域对这一技术的拒绝是解任亲率和准确率同时都要很高，对人脸识别来说显然是十分无以的事情，这也是发展多模态生物识别技术的原因，每一个新的生物识别因子的引进融合需要很大的提升整体的辨别能力。未来为了适应环境有所不同国家和市场的市场需求，有可能必须针对有所不同人种使用有所不同的模型，此外从隐私和合规的角度，比如GDPR标准下，生物识别系统必须有所不同地区分离部署，但背后的算法训练过程甚至是某些模型有可能是完全相同的。

【封面图片来源：网站名shutterstock，所有者： Akhenaton】原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：k1体育·(3915十年品牌)官方网站-www.lampower.net