人脸识别主板已应用于刷脸支付、金融业务、访客出勤、身份验证等场景，为什么有些用于安全检查，有些用于出勤？这应该从硬件和软件算法开始。
一般来说，认证不太严格的人脸识别设备大多是2D人脸识别，认证更严格的是3D人脸识别，主要使用3D结构光、TOF等人脸识别摄像头来测量眼睛间距、鼻子高度等3D人脸信息。
同时，我们还需要看到它的应用场景，即使用人脸识别终端进行识别和相应的识别号码，这可以分为三种模式：1:1模式、1:N模式和M:N模式。
1:1.模式——主要用于一对一的身份识别场景，如刷脸支付、酒店入住、考试身份验证、证人比对等。用户站在人脸识别终端前，需要静止站立几秒钟(静态识别)，然后通过相机识别验证身份，证明“你就是你”。因为刷脸支付、酒店入住、考试身份验证、证人比对等需要实名登记制度的应用场景，一个人的错误可能会带来风险。一般要求识别准确率达到99%以上，以保证准确的身份对应。
1:N模式——主要用于一对多的识别场景，即人脸识别主板从N张人脸中找出相应的人，从而找出“你是谁”。公司的刷脸考勤也是通过人脸识别设备从公司内部的人脸数据库中独立搜索，确定你是否是公司的员工，然后才能开门放行。这种模式测试了肖像数据库的容量，比1更准确:1模式略低5%-10%。
M:N模式-M在这里可以理解为数据库。M:N模式主要用于一些人流量大的场合，如火车站、音乐会、大型体育赛事等。当这些地方被识别时，被识别的主体通常不会停留在一个地方，并处于移动状态（如高速火车站的乘客）。它属于动态识别，容易受到侧面面部、光线、距离等的影响。面对大量的数据场景，可能需要通过人脸识别终端进行边缘计算，以减轻数据库背景的负担。
以上是人脸识别主板的几种检测模式。根据不同的应用场景，人脸识别硬件设备的采购和设置模式不同。
