就像今天人们外出时必需检查是否带手机、钱包、身份证一样，人脸识别技术也有三样不可缺少的元素出现，那就是IP Camera（网络摄像头）、AI和边缘计算。

人脸识别过程并不简单

虽然目前人脸识别在技术上已不成问题，但实际上需要解决的问题，并不像一些电影中展现的那样容易。比如在数据收集上，不仅要有图像或视频的抓拍、镜头跟踪、防抖动以及确保更多有效像素等关键技术。在图像、视频的处理方面，还会运用到视频图像的检测技术、人体动态识别技术、图像无线通讯传输技术等等。

其中，面临将大量数据传到服务器进行识别，就会产生不少通信成本，而且有些相当耗时。这显然会令基于人脸识别的实际落地应用变得并不容易。

不过，为了解决这个问题，现在已有公司对此推出了能够集成人工智能技术的网络摄像头并辅以边缘计算，来解决上述难题。

AI与边缘计算让摄像头不靠云

除了前面提到的人脸获取外，对于识别层面，利用人工智能与识别算法即可完成人脸验证，即判断给定的两张图片中的人脸是否来自同一个人。这其中对于人工智能的应用，可以让这台网络摄像头在现场能同时辨识8个人的脸部信息。

通过收集大量的人脸数据集，利用深度信息来做人脸检测、识别，逐步提升AI算法模型的准确率，解决传统识别的繁琐步骤。此外，对于边缘计算的使用，即强化摄像头终端的运算处理能，可让其所搭载的人脸识别功能不再依赖云端服务器，避免耗费时间上传图像，节省了大量带宽资源。

而且通过在本地设备上直接完成脸部辨识，进而让识别过程缩短至1.5秒内。

省成本 应用场景更广阔

对于人脸识别技术的更新换代，不仅要好用，还要具有成本优势才行。目前如果在学校、社区、海关等场景里安装人脸识别系统，需要将传统的模拟摄像头换成网络摄像头。加上后续的系统部署与设置等服务费用的话，至少要300万元的成本，才能顺利完成人脸识别系统的更迭。

三种技术合体的人脸识别应用场景将更加广阔

不过一旦安装之后，便可以应用在检索小偷、通缉犯等黑名单的识别与侦测上，而且也会适合对于白名单上人员的识别处理。例如，某服饰店对于VIP贵宾的识别，通过人脸识别系统的应用，可以快速定位其个人喜好与消费习惯，还可将相关信息快速发送至其他连锁店面，又变成了可用数据馈给了AI系统。