在今天这个人工智能造福于生活的时代，大多数用户都有这样的疑问：刷脸智能支付除了考验人脸识别技术之外，它的安全又如何保障呢？

首先用户需要了解刷脸智能支付启动流程。使用者需要在终端先进行人脸检测，再进行端部和云两边都需要验证的防伪攻击检测，验证后将进行人脸核身，即上传人脸并与从公安拿到身份证图片进行比对，验证后将人脸核身，并与从公安部门拿到身份证图片进行验证。如确认，就可以开通免密刷脸智能支付。刷脸智能支付的使用过程和开通过程差别不大，但是由于用户规模太大，使用上亿人脸库做支付的准确率和风险都比较大，所以在进行人脸检测后，一般会要求用户输入手机号进行二次确认。但是长期来看，输入手机号码的过程终将被淘汰。

刷脸智能支付硬件有两个非常重要的特点，一是3D摄像头，主要用于活体检测。二是在流程中进行检测、跟踪、优选、活算法等前项计算过程。该公司首次推出互动活体，通过摇头、眨眼动作来验证真实身份，随后推出了针对手机的应用场景的光线活体检测，以及针对普通设备的红外活体检测以及3D活体检测。

红外线双眼探测方案采用双目摄像机，在探测过程中输出一张RGB图像和红外线图像，其算法原理是利用人体皮肤不同于纸张的红外光，以保证检测精度。但是如果找到一种与皮肤相似的材料来检测，就无法保证鉴别的安全性，所以红外双目活体多用于刷脸开门等场景。

对于刷脸的安全要求较高的智能支付，一般会使用3D摄像头配合检测，输出一张RGB图像和一张人脸深度图，纸张等平面不存在深度信息，但人脸是有三维深度信息的，它输出的人脸深度图可以用来做活体检测。

在实际应用中，除了对深度的要求外，RGB摄像机的成像质量也至关重要。事实上，技术人员很难判断人脸支付POS机所在的特定环境，例如，如果POS机放在窗前，POS识别的时候脸部在背光状态，因此不能被识别，这将对RGB成像带来巨大的挑战。此时一般需要与3D照相机厂商明确，要求摄像机优化以适合不同场景并能进行正常识别工作。

硬件到位后，为了保证算法的流畅运行，还需要提高性能。NCNN是一种移动端高性能前向计算框架，已经开源了一个支持卷积神经网络、多输入、多分支结构、支持多核并行加速、可扩展模型设计、8bit量化、量化半精度存储、内存占用更低、计算速度更快。