人臉識別主板已經應用于刷臉支付、金融業務、訪客考勤、身份驗證等場景，那為什么有的用于安檢，有的用于考勤？這要從硬件和軟件算法說起。

一般來說，認證不太嚴格的人臉識別設備多為2D人臉識別，認證比較嚴格的則是3D人臉識別，主要是利用3D結構光、TOF等人臉攝像頭來測量眼睛間距、鼻子高度等三維人臉信息。

同時我們還要看它的應用場景，就是使用人臉識別終端進行識別和對應的識別號，由此可以分為三種模式：1:1模式、1:N模式和M:N模式。

1:1模式——主要用于一對一的身份識別場景，如刷臉支付、酒店入住、考試身份驗證、證人比對等。用戶站在人臉識別終端前，過程中需要靜止站立幾秒鐘(靜態識別)，然后通過攝像頭識別驗證身份，證明“你就是你”。因為刷臉支付、酒店入住、考試身份驗證、證人比對等需要實名登記制度的應用場景，一個人的失誤都可能帶來風險。一般要求識別準確率要達到99%以上，以確保準確的身份對應。

1:N模式——主要用于一對多的識別場景，就是人臉識別主板從N張人臉中找出對應的人，從而找出“你是誰”。公司的刷臉考勤也是通過人臉識別設備從公司內部人臉數據庫中獨立搜索，確定你是否是公司員工，才可以開門放行。這種模式考驗人像數據庫的容量，準確率比1:1模式略低5%-10%。

M:N模式——M在這里可以理解為數據庫。M:N模式多用于一些人流量大，比如在火車站、演唱會、大型體育賽事等場合，這些場所進行識別時，被識別的主體通常不會停留在一個地方，處于移動狀態(比如高鐵站一列火車上行色匆匆的乘客)。屬于動態識別，易受側面人臉、光線、距離等影響。面對數據量較大的場景，可能需要通過人臉識別終端進行邊緣計算，以減輕數據庫后臺的負擔。

以上是人臉識別主板的幾種檢測模式，根據不同的應用場景，人臉識別硬件設備的購買和設置模式是不同的。