人脸识别的三种应用模式：1:1 身份验证模式本质上是计算机对当前人脸与人像数据库进行快速比对并得出是否匹配的过程，可以简单理解为证明你就是你。1:N 则是在海量的人像数据库中找出当前用户的人脸数据并进行匹配。M:N 是通过计算机对场景内所有人进行面部识别并与人像数据库进行比对的过程。M：N作为一种动态人脸比对，其使用率非常高，能充分应用于多种场景，例如公共安防，迎宾，机器人应用等。
人脸识别的主要商业应用场景包括安防、门禁、新零售以及人证合一等领域：安防领域，随着智能安防概念的深入逐渐产生前端摄像头与后端处理的智能识别分析需求;智能门禁系统是人脸识别在商业领域中最早的应用载体之一，其中人脸识别门禁系统对于其他生物识别门禁系统的优势在于：自然性、非强制性、非接触性和智能数据输出;智能迎宾系统基于动态捕捉与非配合式人脸识别技术，与门禁联动，并结合后台管理系统可实现快速，准确识别宾客身份，访客邀约，访客登记，访客数据统计，访客查询等功能;人脸识别也是AmazonGo所代表的新零售应用场景的关键技术;此外，人证合一产品将×××识别与人脸识别技术结合在一起，市场需求旺盛。
人脸识别的三种模式
1.1 人脸识别的1:1模式 1:1身份验证模式本质上是计算机对当前人脸与人像数据库进行快速比对并得出是否匹配的过程，可以简单理解为证明你就是你。1:1作为一种静态比对，在泛金融的核身、信息安全领域中潜在的商用价值巨大。例如在机场安检中持卡人样貌与×××信息匹配的过程就是典型的1:1场景。然而人眼辨别率只达到95%左右，并会受到外部环境影响，所以机场安检人员通过换班来保证识别的准确率。人脸识别技术的出现解决了人工识别的弊端，并能充分应用于考试考生身份的审核、酒店入住办理，火车站人票合一认证，移动端支付等任何需要实名制等场景。
1.2 人脸识别的1:N模式 1:N则是在海量的人像数据库中找出当前用户的人脸数据并进行匹配。1:N具有动态比对与非配合的特点，动态对比是指通过对动态视频流的截取来获得人脸数据并进一步比对的过程，而非配合性是识别过程非强制性与高效性的表现，识别对象无需到特定位置便能完成识别工作。由于这两个特性使1:N身份认证模式能迅速落地于公共安全管理与VIP客户人脸识别等场景，但其难度要远高于静态1:1，因为机器面临着曝光过度、逆光、侧脸、远距离等挑战。
1.3 人脸识别的M:N模式 M:N 是通过计算机对场景内所有人进行面部识别并与人像数据库进行比对的过程。M:N作为一种动态人脸比对，其使用率非常高，能充分应用于多种场景，例如公共安防，迎宾，机器人应用等。但是M:N模式仍存在很大的弊端，因为其必须依靠海量的人脸数据库才能运行，并且由于识别基数过大，设备分辨率不足等因素，使M:N模式会产生很高的错误率从而影响识别结果。 人脸识别技术的成熟虽然能代替一部分劳动力，但仍不能作为唯一的验证方式，其更需要与人工识别相结合从而进行精准判断。例如，在受到外部环境干扰下，人脸识别技术会产生错误数据，这时就需要人工协助，共同完成识别确认过程;又或者在企业应用中，具有较高机密需求的场所可以采用人脸识别和刷卡的双重认证来进一步确保安全性。