當前，各種高科技不斷應用于互聯網金融領域，無論是傳統金融，還是互聯網金融，都將面臨高科技帶來的技術革新的機遇，同時，也意味著一旦在這場攻守戰中失敗，則很可能被市場淘汰出局。

“人臉識別”和“大數據”是近幾年在互聯網金融中運用最廣泛的兩種方式之一。谷歌、蘋果、百度等國內外知名企業，以及以微眾銀行、網商銀行、眾可貸為代表的互聯網金融企業都在加速布局“人臉識別”和“大數據”。

有數據表明，全國14億人口中有12個人和你長得幾乎一模一樣，數據應用已逐漸突破現今人類認知水平，同時平安城市聯網的數百萬臺監控攝像機每天也產生著海量的數據信息，這些數據存在大量有待挖掘的應用價值。種種跡象表明，公安想要跨入大數據應用時代，人臉識別技術想要在公安行業成熟落地，一些傳統技術瓶頸逐步顯現，響應速度越來越慢，有些應用場景已經完全不能支撐。

公安大數據應用背景給人臉識別應用帶來了機遇，同時也給人臉識別技術提出了更高的要求。雖然人臉識別技術性能已有較大提高，但它仍是在模式識別和計算機視覺等領域最困難的問題之一。如何利用人臉識別技術將這些海量照片數據利用起來，提升整個公安信息化的管理水平，已經是擺在我們面前的一個重要問題。

1、對人臉識別的比對容量要求更大、精確度要求更高

目前公安的戶政管理、出入境、刑偵嫌疑犯的身份識別等各類應用，需要基于全國人臉數據進行識別，處理的數據庫容量上億或十億，處理的比對請求數量大、模式不統一，快速準確地從如此規模數據庫中快速識別身份是一件非常有挑戰的任務。

2、系統輸入從單純的靜態圖片擴展到動態視頻

近年來，全國各地公安機關大力開展視頻監控系統建設，據不完全統計，全國每年需要存儲的數據量高達3.3EB，結合視頻監控和人臉識別，實現犯罪嫌疑人的快速識別和實時布控，是提高視頻監控效率的一條重要途徑。然而，由于人臉識別視頻監控面臨光線、角度、姿態、遮擋等一系列因素的影響，導致人臉的類內差距增大、類間差距縮小，給結合視頻監控的人臉識別帶來了巨大挑戰。

3、圖像來源更加廣泛、圖像質量差異較大

通過“金盾工程”建設，公安已經成功建設了八大資源庫，積累了海量的數據，為人臉識別技術在公共安全領域的廣泛應用奠定了基礎。然而，由于缺乏統一的建設標準，各類業務中人臉數據質量差異大，給人臉識別應用造成了難度。

在傳統偵查工作方式中，照片比對只能依靠人工方式進行，工作量巨大、速度慢、效率低、無法適應業務需要。人臉識別系統所具備的高速自動識別能力很大程度上可以從以往的“人海戰術”中解脫出來，大大提升整個國家、社會的安全防范水平，從而達到維護社會穩定、保障國家安全的目的。

來源：機房監控  http://www.28ut.com/   本文采集于網絡，如有問題有聯系刪除