人工智能的出現，讓語言識別、圖像識別和自然語言處理及專家系統等得到快速發展。在2017年《麻省理工技術評論》評出的“十大突破性技術”中，刷臉支付成為其中之一。

　　眾多互聯網科技公司都在研究該項技術，比如阿里巴巴、曠視Face++、百度和科大訊飛等。以Face++為例，它是一家估值超過10億美金的創業公司，當一個人走進公司大門時，其臉部特征已經進入公司數據庫，并可以依靠“刷臉”自由出入公司大門。

　　經過幾十年的發展，人臉識別技術的精度已經達到金融交易的級別。另一方面，人臉識別和深度學習進行了緊密的結合。正如北京大學一位從事該研究的教授所說，“人臉識別是一個巨大的市場”。

　　比如，百度的研究人員也將人臉識別和機器學習進行結合，并進行了軟件識別人臉與真人識別人臉的對比。在今年一月份的一檔電視節目上，百度開發的人臉識別軟件與人展開了一場對決，雙方同時觀察嘉賓幼時的照片并以此識別真人，結果百度的人臉識別系統完勝。

　　現在，百度正在開發一種人臉識別取火車票的系統――簡稱“刷臉取票”，試點選在了烏鎮。這座旅游城市足夠的人流量將為系統實驗提供充足的數據。據悉，這將需要將數百萬張人臉輸入數據庫中才能達到99%的正確識別率。

　　隨著人臉識別技術的日益成熟，它已經在交通監管、銀行交易、日常生活交易以及公共交通等各個領域得到廣泛應用。

　　比如，現在很多銀行自動取款機(ATM)的地方都設有攝像頭，銀行希望通過借助人臉識別技術來分辨客戶和嫌疑人。但是假如有人把臉部進行遮擋，那人臉識別技術還有用嗎?

　　根據IBM最新的金融科技概念驗證：臉部遮擋行為的識別與預警。如果在ATM機前操作時故意遮擋臉部，有理由認為此人行為可疑，需要特別關注。

　　實際上，一旦人們把臉部進行遮擋，由于該行為的多樣性，傳統技術無法很好地實現對此類行為的自動識別。并且人工無法同時處理海量的視頻，必然會出現遺漏。

　　據IBM的相關人士介紹，IBM的智能影像識別系統可以實時檢測出各種類型的遮擋并進行預警，并支持多種目標同時檢測。透過分析從150+面部遮擋的錄像中抽取1500+張照片，使用16層RCNN神經元網絡，在一臺Power平臺上經過一天深度學習培訓，便能識別出97%的準確率。

　　因此對嫌疑人來說，不管你是否蒙面，IBM的智能影像識別系統都能認出你。除非?嫌疑人去整容，或者化妝等其他的手段。