人脸识别技术已经在金融领域大显身手，很多明星AI公司也均具备了完成“刷脸”的能力。
国内很多银行开始大范围使用人脸识别技术，把其应用在直销银行、辅助远程坐席和柜员客户身份核验以及小额支付等业务当中，但真正把“刷脸取款”服务应用在线下ATM自动取款机中的银行却非常少。
目前把“刷脸取款”全国范围内大规模应用的只有农业银行和招商银行，其中农行的刷脸取款服务则覆盖了全国2万多个分支机构，深入到县乡镇。
一银行从业者向雷锋网透露，大行在应用新技术方面非常谨慎，他们在选定一家人脸技术供应商之前，通常会让十多家供应商在各个地方分行进行长时间的测试，测试时间通常长达一年，在确认技术稳定性和效果可用之后，再让这十多家供应商进行集中技术比拼。在比拼过程中，各个解决方案也随着场景的挖掘而诞生，然后由银行最终选型和采购。
一、ATM刷脸取款采用的AI软硬件算法方案
不用带卡就可以从 ATM 机上“刷脸”取款的确方便，这时候安全性的保障就成了银行从业者担心的问题。
深耕银行人脸识别业务多年的云从科技CEO周曦告诉雷锋网，其实这里可以将人脸理解成银行卡，ATM 机通过人脸识别比对可以将对应的银行卡关联起来，用户还是要输入密码来进行取款。
另外，系统还会通过活体识别技术判断“刷脸”取款的是否为真实人脸，对于拿图片和视频进行冒充他人的情况予以杜绝。
于银行而言，若使用刷脸取款，那采购什么样的AI软硬件算法方案是他们关心的重点之一。
供应商的AI方案需解决两大问题：人脸识别和安全保障。
单从人脸识别准确度上讲，目前该技术已经比较成熟，相比而言，安全性更是银行所关心的问题。
在今年的央视315晚会中，主持人使用专业视频处理软件展示合成后的人脸，并通过外部输入控制合成人脸的抬头、低头等动作，成功地对人脸识别进行了破解。
这起事件使得传统银行对刷脸取款的接受程度变得更为保守。
问题一出，多家做金融人脸识别业务的CV公司均第一时间给出了各自的解决方案。这里以实际应用在ATM机中方案为例：
1.农行+云从红外双目摄像头
为农行ATM机提供红外双目摄像头的云从科技，摄像头通过同时采集红外光和可见光作为输入数据，通过红外成像、立体成像检测、红外与可见光成像匹配识别，分析人脸皮肤的纹理及微小动作带来的规律变化，实现人脸识别和活体检测。
至于如何在旧的ATM机中置入新的红外双目摄像头，云从科技告诉雷锋网，这里需要进行机具改造，其中分为已有机具和集成新机具，目前农行的8家机具供应都联调测试完毕。
2.招行+依图科技人脸识别和双目活检技术
除了上文提到的农业银行外，招商银行也属于较为激进的AI技术探险者。2016年，招行在全国106个城市近千台ATM机上实现了“刷脸”取款的功能，人脸技术供应商为依图科技。
用户可不带银行卡、身份证，不用输入银行账户，靠“刷脸”就能取款。同样，为了防止照片、视频播放、3D头套等作假道具的攻击，又不降低用户体验度，在依图与招行的合作中，依图也为其提供了双目活检技术。同时进行人脸识别、手机号码验证、密码验证三层防护。
云从和依图所使用的双目活体检测技术均可用以防止恶意用户采用照片、面具、假人甚至是视频伪造真人，欺骗系统。
二、中小银行为何不用ATM刷脸取款？
农行和招行已大规模使用ATM刷脸取款服务，而其他银行尤其是区域性股份制商业银行与城市商业银行（含城市信用社和农村信用社）却始终没跨出这一步。
云从科技金融行业部夏祥红告诉雷锋网：有些中小银行其实也在尝试做、在测试，这期间技术选型到商业落地需要一个过程。 再加上自身规模较小和前沿研究较少，在这方面的投入往往有限。
当然，也不乏有恒丰银行烟台滨海支行等个别小行已经使用了刷脸取款，但大部分银行还在测试观望阶段。而且中小银行对这方面宣传也不是很重视。
那么银行在选择人脸识别技术，会重点考虑哪些技术指标、对乙方（技术供应商）提出过哪些具体要求？云从科技CEO周曦谈到，银行一般会重点考虑两个技术指标和一个性能指标。两个技术指标分别是：
正确接受率，也叫通过率。主要考量两张人脸照片为同一个人时，系统判断成功并予以通过的概率，越大越好。
错误接受率，也叫误识率。主要考量两张人脸照片不是同一个人时，系统错误的判断为同一人的概率，越小越好。
一个性能指标是：比对速度，即两张人脸图片比对所花的时间。
总的来说，银行一般会要求将误识率控制到万分之一以下，通过率必须达到 90% 以上，比对速度控制到 1 秒以内。
供应商较为成熟的AI软硬件方案和技术已商用，农行和招行的成功案例也可作参考，但为何刷脸取款何仍旧没落地到中小银行身上？
1、存在架构和技术的问题
CMU人工智能博士出身的邯郸银行首席信息官王强说到：农行和招行可以大规模应用刷脸取款，首先是因为他们已经把人脸识别技术贯通到了全渠道。
中小银行的开发能力和技术实现速度远不如大行，它们还无法把人脸识别放在全渠道中，而是更多把刷脸功能部署到直销银行渠道、支付渠道和电子银行渠道。
全渠道部署技术壁垒比较高，很多中小银行目前并不具备足够强的能力去做这么大规模的技术开发，而且需要耗费很长时间。
除此之外，中小银行人脸数据补录、人脸数据库建立的时间也较短。
现阶段中小银行整个人工自助渠道用的开发技术还是基于C语言来做，或者用P端的方式来处理。而当下基于互联网上的人脸识别技术目前因为架构设计不合理，没有统一规划，导致技术迁移能力有限。
人脸识别是项新技术，在新技术和P端的更换层面，由于ATM的P端和直销银行的客户端不是在同一个时期、也不是在同一架构下进行加工规划的，因此如果要将人脸识别技术部署到全渠道上去，就要解决新老技术和新老架构全面的更替和统一。
只有使用统一的技术标准，才能使得在同一个后台人脸识别技术、同一个人脸数据库基础上，保证前端渠道统一共享后台的数据和技术。
说实话，目前中小银行在这方面确实比较弱。
2.全渠道部署需要解决哪些问题？
要部署全渠道需要解决架构问题，然而直销银行的架构和ATM自助端的架构完全不同。
因为股份制银行起步较早，他们已经把P端的架构重新作了改动，它们也必须要经历这个阶段。
解决全渠道问题有4大影响因子：
架构统一性
识别库问题
风控问题（这是中小银行推进刷脸取款比较困难的重要因素）
中小银行对AI的意识和认知水平
在后台大数据风控以及大数据反欺诈还没建立起来之前，中小银行也不敢把刷脸取款用在ATM现金处理上。而且银行对现金的处理方式除了大家最关注的人脸识别之外，还要采用双因子验证、交叉识别等手段，而这些识别方式，很多中小银行都没建立起来。
3.中小银行可否效仿大行采用双目红外人脸摄像头？
王强博士谈到，如果采用第三方的双目红外人脸摄像头，首先需要对机具进行改造。现在中小银行技术铺设非常多，单面改造成本非常高，要全面更换或者增加。
其次是业务驱动问题。因为很多中小银行还意识不到刷脸识别对业务驱动能力有多少，也无法意识到刷脸取款所造就的用户用卡环境和体验，可为业务带来多少改观。同样呢，中小行也做不到去改善全渠道客户体验。
第三是，中小银行自身还达不到靠技术来驱动业务发展，更多是靠业务驱动技术发展。由于中小银行意识不到较为周全的客户体验问题，意味着他们无法认知客户体验带来的业务优化。当银行自身不了解新技术，也不知道新技术对业务能产生什么样的优化，那他们自然也没有动力去主动升级技术。
再者，中小银行作为一个风险偏紧的机构，他们会因为一系列问题无法在ATM机上大规模采用基于双目红外摄像头的人脸识别方案，这些问题包括：成本问题、业务驱动问题、技术架构问题、大数据反欺诈、交叉认证、双因子认证等问题。
算法和前沿技术纵然很关键，但风控也非常关键，目前市场上其实还没有专门针对中小银行的、比较完整成熟的AI解决方案。
说实在话，绝大多数中小银行早期在风控、后台安全、线路带宽这一系列的流程都没设计好。如果要使用新的人脸识别技术、双目红外摄像头，需要把前端的机具、后台的架构、中间的通讯联络线路带宽、安全传输、影像、平台、大数据反欺诈、双因子认证进行全面的改造，还需要一个过程。
最后王强博士总结到：其实现在中小银行有很多事要干，他们现在什么都想干，但什么都顾不上。所以很多前沿的项目呢，往往得分个轻重缓急。
正在生成分享图...
徐晓飞