京东、支付宝先后推出刷脸支付，背后有何玄机？

2年前的春天，马云第一次在汉诺威电子展的大屏上向全世界演示“刷脸支付”技术，引得满堂喝彩。正当大家期待马上就能使用之际，“刷脸支付”却迟迟未能走向商用。

历时两年多，终于走向商用

两年间，新技术和新概念层出不穷，但“刷脸支付”的最新进展仍然时刻牵动着人们的神经。终于，9月1日，支付宝宣布在肯德基的KPRO餐厅上线刷脸支付，正式将“刷脸支付”推向了商用。

首家KPRO餐厅位于杭州万象城，支付宝选择其作为“刷脸支付”试点，也体现了二者在用户体验上的共同追求。

雷锋网了解到，“刷脸吃饭”的具体步骤如下：

刷脸支付流程

● 在自助点餐机上选好餐，进入支付页面；

● 选择“支付宝刷脸付”，然后进行人脸识别，大约需要1-2秒；

● 再输入与账号绑定的手机号，确认后即可支付。支付过程不到10秒。

已经进行支付宝实名认证的用户，首次使用“刷脸支付”时，可以直接在支付宝APP上开通该项功能；未进行实名认证的用户则还需要进行人脸验证，建立人脸库信息。

目前，支付宝的“刷脸支付”功能已经能够应对“多人+浓妆+换发型”的复杂场景。

据相关负责人介绍，人脸识别系统对于操作者的站立位置和距离并没有具体要求，消费者站在点餐机前点餐时，正常情况下都能正确识别。

换发型（戴假发）可以准确识别

浓妆也可准确识别

多人+浓妆+换发型

当有多人出现在镜头中时，系统会对脸部图像的面积进行计算，默认面积最大者为支付对象。选定对象后，系统会将其圈出来。如果圈出来的不是操作者，还可以让系统进行再次识别。

人脸识别从线上到线下，要突破几大难点

支付宝方面介绍，与此前推出的“刷脸登录”相比，“刷脸支付”难度更大。

一方面，“支付”比“登录”离资金更近，安全性要求更高。另一方面，刷脸支付是在线下公共设备和开放环境下进行，真实场景复杂多变：白天和晚上的光线不同、不同人群面对摄像头的角度和姿势各异，识别难度更高。因此此前行业里多是在特定场景下内测，未能商用。

李子青表示，刷脸支付对安全性和便捷性有着极高的要求，如何同时满足这两个要求，需要解决一系列技术和产品难题。

智能算法优化

支付宝之所以能率先推出刷脸支付，一是基于其多年来人脸识别技术的积累（支付宝是最早实现刷脸登录的金融级App）；同时其技术团队也为刷脸支付商用做了很多独创的优化。通过软硬件的结合，智能算法与风控体系综合保证金融级准确性和安全性。

活体检测

支付宝在肯德基KPro的点餐机上配备了3D红外深度摄像头，在进行人脸识别前，会通过软硬件结合的方法进行活体检测，来判断采集到的人脸是否是照片、视频或者软件模拟生成的，能有效避免各种人脸伪造带来的身份冒用情况。

手机号校验

此外，在进行人脸识别后，还需要输入与账号绑定的手机号进行校验，进一步提高了安全性。同时，支付宝还会通过各种安全风控策略确保账户安全。比如刷脸支付功能需要用户进行开通操作，开通之后才能进行支付，用户也可以随时关闭。而即便出现账户被冒用的极小概率事件，支付宝也会通过保险公司全额赔付。

京东人脸支付，抢先一步

无独有偶，支付宝上线“刷脸支付”的前一天，京东在上海宝地京东之家、深圳沃尔玛京东之家，北京昌平永旺京东之家，北京通州万达京东之家等4家线下零售店开展“刷脸支付”功能内部测试的消息也传遍了互联网。

据雷锋网了解，京东之家的“刷脸支付”技术，是京东风控研发部基于AI、深度学习、人脸识别技术，创建的内部品牌。京东超脑的人脸识别技术算法识别准确率已经达到了99.9%，用户和商户均可自由申请开通京东刷脸支付。

用户使用“刷脸支付”前，需要先通过京东APP或京东金融APP扫描店内二维码，完成实名认证并上传正面照后，就可开通京东支付中的“刷脸付”。据了解，目前京东的刷脸支付还在内测阶段，尚没有开放给所有用户使用。

与支付宝相同的是，京东之家的“刷脸支付”也需要输入手机进行辅助认证，不同的是，后者只需要输入手机号的后四位。

手机号辅助验证，缩小N值

支付宝相关负责人表示，手机号辅助验证主要有两方面的考虑：一是帮用户确定支付意愿，二是增加安全性。至于为什么选择完整手机号而不是手机号后四位，主要是考虑到“有些用户记后四位还要反应一下，而十一位直接就输了”。

不过有业内人士告诉雷锋网(公众号：雷锋网)，支付宝的“刷脸支付”实际上是通过电话号码将1：N的人脸识别问题转换成了1:1的人脸识别问题。

一位京东内部员工表示：“手机号+人脸识别和刷脸登陆时的1:1识别没太大区别，不过是先做1：N（识别）再做1:1（识别）。仅输入手机号后四位，本质上还是1:N识别，只不过是通过手机号后四位将N的范围缩小罢了。如果有1亿用户，通过手机号后四位可以把N减小到1万。当然，由于喜好问题，应该有个好几万的N，再通过地狱权重，基本可以得到一个比较好的结果。”

据雷锋网了解，在1：N的人脸识别场景中，当人脸库规模达到3000人以上时，对人脸识别算法的识别精度将是一个极大的考验，而且人脸库规模越大，难度越大。

业内部分人脸识别供应商宣称自己的人脸识别库容能做到上百万，实际针对的是1:1人脸识别，即可以做到从百万人脸库数据中，先通过身份证、社保卡或者特定账号从服务器后台提取指定的人脸信息，将此人脸信息与当前人脸信息比对，判读“他”是否与该身份证、社保卡或者特定账号的人脸信息匹配，而不是从百万人的数据库里纯刷脸识别出“他”是谁。

1：N人脸识别的准确率还要加上先决条件——Top N。因为人脸识别的输出结果是“相似度”，也就是识别的是一张人脸和另一张人脸的相似程度，而不是“绝对值”。在公安的被动查询场景中，只要TOP20、TOP50中有一个比较好的准确率就可以了，实现起来相对容易。而在支付场景中，要实时分析这个人到底是不是账户的主人，就要求TOP1有很高的准确率。

提高识别准确率主要有两种途径，一是从理论的角度，不断提升算法；二是从产品和工程的角度，尽量在不打扰用户的情况下缩小N值。由于“刷脸支付”的误差率要控制在十万分之一甚至百万分之一以下才有商用价值，前者的可行性较低。支付宝和京东采取的都是后一种做法，更多是属于产品策略上的创新。

当前阶段，人工智能落地很大程度上取决于业务和方案，也就是所谓的场景，支付宝和京东的“刷脸支付”便是极佳的范例。正如一位业内人士所说，“光靠算法突破来落地，也许人家都商业化成功了，你还等”。产品策略上的创新和突破同样值得肯定，因为“好的产品用户也感觉不到trick，用起来很自然”。

。