随着信息化的脚步不断迈开，移动支付彻底走进我们的生活，不管是商业化的大超市，还是个人的门店，不管是高端大气的大酒店，还是走街串巷的移动摊位都已经开始使用移动支付
而小编来说说支付界的新宠儿——刷脸支付
刷脸支付的诞生
刷脸支付*早出现于2013年，该年7月芬兰创业公司Uniqul推出了史上*款基于脸部识别系统的支付平台。

采用的是人脸识别技术——人脸识别是一种基于人的相貌特征信息进行身份认证的生物特征识别技术。不过当时的刷脸设备缺点很明显，体积大、携带不便、造价昂贵、不易生产，所以一直没有推广开来。
刷脸支付在中国的发展
移动扫码支付横空出世没多久，我们刚刚习惯扔掉现金的后现代生活，而现在：刷脸支付将全面接管扫码支付！据悉使用自助收银机和刷脸支付之后，超市、餐厅、药店等渠道的收银结算效率能提升50%以上，在提供刷脸的大部分渠道，有超过20%的消费者选择刷脸结账。

有业内人士表示，刷脸支付能带来“无人超市”式的体验，对于商家降低经营成本、提升效率也提更好解决方案，未来几年有望像当前二维码支付一样普及。
刷脸支付——蜻蜓支付
在2018年8月，支付宝宣布刷脸支付正式商业化，2018年12月13日，支付宝推出全新刷脸支付硬件：“蜻蜓”，不仅将刷脸支付接入成本降低了80%之多，更是让体型降低到原来的十分之一，让刷脸支付像收钱码一样，走进每一个普通的小店。

 但话说回来，人脸检测和人脸识别虽然在理论研究上分属于不同领域，但在实际应用中去不能分家。肯定是先人脸检测分割出人脸，在人脸识别确定脸是谁的，但有一个问题，要想准确快速的进行人脸检测与人脸识别，算法运算的开销两个简直不相上下，相对于手机平台都非常大。于是无外乎以下两种解决方式：



  方案一：人脸检测和人脸识别同时运行，打造全智能平台。


  这种方案听起来很酷炫，什么都让机器来做，先检测分割人脸再识别人脸，但是这样做出的系统性能却不理想，假如人脸检测的成功率为0.9，人脸识别的成功率也是0.9，那么整个系统正确检测人脸再加上正确识别人脸的成功率只有0.81；性能大打折扣，运算开销却翻了一番，目前来说不可取。



  这种方案另外一个致命的问题就是算法性能。对于手机端人脸识别程序来说，真正的人脸识别算法可以放到服务器端来做，在手机端只需简单的评估一下图像质量，然后就把采集的图像放到服务器上，费时的事儿让服务器做就行，*只需把人脸识别的记结果（一个标签而已）再传给手机端就行，网络流量什么的都不是问题。而人脸检测则不行，人脸检测的整个阶段必须都在手机端进行，就算我们能够找到检测率达99.99%的人脸检测算法，但却不一定能移植到手机上。