谈起人脸识别，可能大部分人最先想到的是科幻电影里那些比“芝麻开门”咒语还要神奇的场景：只要仪器识别到人脸就能开启秘密基地的大门；从人群中快速识别出某个人，还能得到很多身份信息……等等这些场景都是通过对人脸进行扫描就可以快速完成身份验证，目前一对一的识别率已经很高，而且早已开始正式商用。人脸识别以往只有在科幻电影中看到的技术其实已经悄悄的进入我们的生活。
计算机VS人眼
人脸识别技术目前发展到哪个阶段，不能单单只靠媒体说说，究竟识别准确度到达哪个水平需要经过严格的测试以及数据才能做结论。为了衡量各个机构研究成果的准确度，一般机构都要都通过难度极高的人脸图像集检验，比较准确率的高低。Labeled Faces in the Wild（LFW）是国际上公认难度最高的人脸图像集之一LFW 的测试数据也是公认最权威。它的图像来自 Yahoo! News，一共13233幅，包括5749个人，有1680人有两幅或以上的图像，4069人只有一幅。
值得一提的是，人眼的识别精度在LFW 上有三个档次：
第一档次：包含场景、背景信息的人脸识别，人眼识别精度可达 99.20%；
第二档次：仅提供人脸脸部图像时，人眼识别精度为97.53%；
第三档次：不包含人脸的图像，人眼识别精度为94.27%。
2014年3月18日Facebook宣布推出DeepFace，在 LFW 上识别精度可达 97.25%，可以说已经很接近人眼；
同年3月，清华 Face++ 团队宣布LFW的测试结果为97.27%；
4月 25日香港中文大学教授汤晓欧领导的计算机视觉研究组通过 Gaussianface，将人脸识别的精度提升到 98.52%。仅仅过了几个月，研究组研发DeepID2 和 DeepID2+。11月17日DeepID2+在LFW的测试结果高达 99.4%，并且错误率不断下降，从 2.75% 到 2.73%，从 1.48% 到 0.40%——性能大大提升。可以说计算机人脸识别能力已经超过了人眼。
刷脸新时代已来临
国内外各大互联网科技公司在人脸是被这一块领域均有涉猎，且各自探索程度深浅不一。无论是从国外的Google、微软、Facebook，还是国内的百度、腾讯，都各自有各自的人脸识别团队。
Google：2011年07月 谷歌收购人脸识别软件公司PittPatt
Facebook：2012年6月 Facebook收购以色列脸部识别公司Face.com
微软：2012年6月 微软亚洲研究院发布人脸检测算法，面部识别系统
网易：2012年5月，网易人脸识别系统全国公测，用于邮箱登陆
腾讯：2012年下半年，优图项目组组建
百度：2012年12月 百度推出人脸识别，基于图像的全网人脸搜索
从2014年4月份支付宝以愚人节为名，推出的KungFu就跟我们说了这样的概念，让新技术就这样化支付于无形，让我们空着手到处行走也不再担心。虽说只是玩笑，但万一实现了呢。百度也跟随其后，百度魔图的明星脸比对也是疯狂了一阵子。接着在世界杯期间所举办的刷脸支付活动，以刷脸为口号的广告宣传随处可见。
从这些我们可以发现，大公司已经开始关注并或深或浅地使用人脸识别技术。人脸识别虽说还没开始大范围普及，但是其实已经开始慢慢融入我们的生活中了。
移动端人脸识别新领域
移动互联网时代的到来改变了信息和人的二元关系，让人成为信息的一部分，当人脸识别技术遇上移动互联网更是有别有一番新奇。此前人脸识别技术基本上是运用在硬件设备以及PC，当摄像头成为手机标配的今天，我们已经完全可以拿起手机过把瘾。不得不说，人脸识别技术又遇到另一个全新的使用领域。
首先是人脸比对的图片都来自移动设备，摄像头的多样性、比对者的姿态、角度以及比对环境等等相比以前的比对场景是一个全新的挑战，单单是三星就已经发布了超过100款安卓智能机，除了考虑不同设备的兼容与适配问题，比对环境与比对者的刷脸习惯更是多种多样，这无疑提高了识别难度。
另外因为国内在人脸识别领域相对国外起步较晚，目前人脸训练库以及算法大多数是以欧美人像进行研究，对于亚洲人种目前的人脸识别算法不免会感觉些许“陌生”。
但是我们相信结合移动互联网能够更快普及人脸识别，在不断使用的过程中让机器不断地进行学习，优化人脸识别算法，进入一个正循环的过程。
