京東、支付寶先後推出刷臉支付，背後有何玄機？

2年前的春天，馬雲第一次在漢諾威電子展的大屏上向全世界演示「刷臉支付」技術，引得滿堂喝彩。正當大家期待馬上就能使用之際，「刷臉支付」卻遲遲未能走向商用。

歷時兩年多，終於走向商用

兩年間，新技術和新概念層出不窮，但「刷臉支付」的最新進展仍然時刻牽動著人們的神經。終於，9月1日，支付寶宣布在肯德基的KPRO餐廳上線刷臉支付，正式將「刷臉支付」推向了商用。

首家KPRO餐廳位於杭州萬象城，支付寶選擇其作為「刷臉支付」試點，也體現了二者在用戶體驗上的共同追求。

雷鋒網了解到，「刷臉吃飯」的具體步驟如下：

刷臉支付流程

● 在自助點餐機上選好餐，進入支付頁面；

● 選擇「支付寶刷臉付」，然後進行人臉識別，大約需要1-2秒；

● 再輸入與賬號綁定的手機號，確認后即可支付。支付過程不到10秒。

已經進行支付寶實名認證的用戶，首次使用「刷臉支付」時，可以直接在支付寶APP上開通該項功能；未進行實名認證的用戶則還需要進行人臉驗證，建立人臉庫信息。

目前，支付寶的「刷臉支付」功能已經能夠應對「多人+濃妝+換髮型」的複雜場景。

據相關負責人介紹，人臉識別系統對於操作者的站立位置和距離並沒有具體要求，消費者站在點餐機前點餐時，正常情況下都能正確識別。

換髮型（戴假髮）可以準確識別

濃妝也可準確識別

多人+濃妝+換髮型

當有多人出現在鏡頭中時，系統會對臉部圖像的面積進行計算，默認面積最大者為支付對象。選定對象后，系統會將其圈出來。如果圈出來的不是操作者，還可以讓系統進行再次識別。

人臉識別從線上到線下，要突破幾大難點

支付寶方面介紹，與此前推出的「刷臉登錄」相比，「刷臉支付」難度更大。

一方面，「支付」比「登錄」離資金更近，安全性要求更高。另一方面，刷臉支付是在線下公共設備和開放環境下進行，真實場景複雜多變：白天和晚上的光線不同、不同人群面對攝像頭的角度和姿勢各異，識別難度更高。因此此前行業里多是在特定場景下內測，未能商用。

李子青表示，刷臉支付對安全性和便捷性有著極高的要求，如何同時滿足這兩個要求，需要解決一系列技術和產品難題。

智能演算法優化

支付寶之所以能率先推出刷臉支付，一是基於其多年來人臉識別技術的積累（支付寶是最早實現刷臉登錄的金融級App）；同時其技術團隊也為刷臉支付商用做了很多獨創的優化。通過軟硬體的結合，智能演算法與風控體系綜合保證金融級準確性和安全性。

活體檢測

支付寶在肯德基KPro的點餐機上配備了3D紅外深度攝像頭，在進行人臉識別前，會通過軟硬體結合的方法進行活體檢測，來判斷採集到的人臉是否是照片、視頻或者軟體模擬生成的，能有效避免各種人臉偽造帶來的身份冒用情況。

手機號校驗

此外，在進行人臉識別後，還需要輸入與賬號綁定的手機號進行校驗，進一步提高了安全性。同時，支付寶還會通過各種安全風控策略確保賬戶安全。比如刷臉支付功能需要用戶進行開通操作，開通之後才能進行支付，用戶也可以隨時關閉。而即便出現賬戶被冒用的極小概率事件，支付寶也會通過保險公司全額賠付。

京東人臉支付，搶先一步

無獨有偶，支付寶上線「刷臉支付」的前一天，京東在上海寶地京東之家、深圳沃爾瑪京東之家，北京昌平永旺京東之家，北京通州萬達京東之家等4家線下零售店開展「刷臉支付」功能內部測試的消息也傳遍了互聯網。

據雷鋒網了解，京東之家的「刷臉支付」技術，是京東風控研發部基於AI、深度學習、人臉識別技術，創建的內部品牌。京東超腦的人臉識別技術演算法識別準確率已經達到了99.9%，用戶和商戶均可自由申請開通京東刷臉支付。

用戶使用「刷臉支付」前，需要先通過京東APP或京東金融APP掃描店內二維碼，完成實名認證並上傳正面照后，就可開通京東支付中的「刷臉付」。據了解，目前京東的刷臉支付還在內測階段，尚沒有開放給所有用戶使用。

與支付寶相同的是，京東之家的「刷臉支付」也需要輸入手機進行輔助認證，不同的是，後者只需要輸入手機號的后四位。

手機號輔助驗證，縮小N值

‍

支付寶相關負責人表示，手機號輔助驗證主要有兩方面的考慮：一是幫用戶確定支付意願，二是增加安全性。至於為什麼選擇完整手機號而不是手機號后四位，主要是考慮到「有些用戶記后四位還要反應一下，而十一位直接就輸了」。

不過有業內人士告訴雷鋒網，支付寶的「刷臉支付」實際上是通過電話號碼將1：N的人臉識別問題轉換成了1:1的人臉識別問題。

一位京東內部員工表示：「手機號+人臉識別和刷臉登陸時的1:1識別沒太大區別，不過是先做1：N（識別）再做1:1（識別）。僅輸入手機號后四位，本質上還是1:N識別，只不過是通過手機號后四位將N的範圍縮小罷了。如果有1億用戶，通過手機號后四位可以把N減小到1萬。當然，由於喜好問題，應該有個好幾萬的N，再通過地獄權重，基本可以得到一個比較好的結果。」

據雷鋒網了解，在1：N的人臉識別場景中，當人臉庫規模達到3000人以上時，對人臉識別演算法的識別精度將是一個極大的考驗，而且人臉庫規模越大，難度越大。

業內部分人臉識別供應商宣稱自己的人臉識別庫容能做到上百萬，實際針對的是1:1人臉識別，即可以做到從百萬人臉庫數據中，先通過身份證、社保卡或者特定賬號從伺服器後台提取指定的人臉信息，將此人臉信息與當前人臉信息比對，判讀「他」是否與該身份證、社保卡或者特定賬號的人臉信息匹配，而不是從百萬人的資料庫里純刷臉識別出「他」是誰。

1：N人臉識別的準確率還要加上先決條件——Top N。因為人臉識別的輸出結果是「相似度」，也就是識別的是一張人臉和另一張人臉的相似程度，而不是「絕對值」。在公安的被動查詢場景中，只要TOP20、TOP50中有一個比較好的準確率就可以了，實現起來相對容易。而在支付場景中，要實時分析這個人到底是不是賬戶的主人，就要求TOP1有很高的準確率。

提高識別準確率主要有兩種途徑，一是從理論的角度，不斷提升演算法；二是從產品和工程的角度，盡量在不打擾用戶的情況下縮小N值。由於「刷臉支付」的誤差率要控制在十萬分之一甚至百萬分之一以下才有商用價值，前者的可行性較低。支付寶和京東採取的都是后一種做法，更多是屬於產品策略上的創新。

當前階段，人工智慧落地很大程度上取決於業務和方案，也就是所謂的場景，支付寶和京東的「刷臉支付」便是極佳的範例。正如一位業內人士所說，「光靠演算法突破來落地，也許人家都商業化成功了，你還等」。產品策略上的創新和突破同樣值得肯定，因為「好的產品用戶也感覺不到trick，用起來很自然」。

讀者福利