业内人士认为，其中的技术关键在于通过不同脸部图像上的特征关键点和面部表情网，找出彼此之间的关联，最终判定这些图像是否为同一个人。但人脸是变化的，不同角度、不同妆容都能影响特征关键点的抓取。
此外，“刷脸支付”是在线下公共设备和开放环境下进行，真实场景复杂多变，且安全性要求更高。生物识别技术对人们的生活带来更多便利还是挑战？
疑惑一：“刷脸”如何确保精准度？
在衡量人脸识别能力时，很多公司都会宣称其准确率超过“99%”。对此，长期研究机器学习的西安交通大学电信学院特聘教授、国家“千人计划”专家龚怡宏表示，这里的准确率指的是在一些世界知名人脸数据库比对中取得的成绩，但在现实运用中，这种准确度要大打折扣。
商汤科技联合创始人杨帆也认为，这些准确度是在一定前置条件下取得的，但现实应用场景复杂多变，人群样本更大，不同光线、姿态、分辨率等条件都可能给机器识别带来困难。
不过，这也不代表技术要达到100%准确率才可以使用。“世界上没有完美的技术，任何技术都是有错误率和瑕疵的，但是如果在特定的场景下，技术的准确度能够满足要求、错误带来的风险可以承受，那它就是有价值的。”颜水成说。
苹果方面介绍，新机iPhone X的面容ID功能利用由点阵投影器、红外镜头和泛光感应元件组成的先进原深感摄像头系统，在A11仿生强劲动力的支持下可绘制面谱并识别面容。该功能会投射30000多个肉眼不可见的红外光点，然后将得到的红外图像和点阵图案传输给神经网络，创建用户脸部的数学模型，再将这些数据发送至安全隔区，以确认数据是否匹配。而且，用户的样貌随着时间而改变，技术也能随之进行调整适应。
蚂蚁金服介绍，支付宝在肯德基KPRO的点餐机上配备了3D红外深度摄像头，在进行人脸识别前，会通过软硬件结合的方法进行活体检测，来判断采集到的人脸是否是照片、视频或者软件模拟生成的，避免各种人脸伪造带来的身份冒用情况。
疑惑二：双胞胎、过度化妆和整容能分辨吗？
“人脸的角度、光线、表情、年龄、化妆、遮挡、照片质量等会影响我们的判断，并且随着数据库样本增大，两个不同人长得像的概率会快速上升。”陈继东提出了生物识别技术面临的难题，不过，他认为深度学习会让计算机更聪明，能克服这些困难。
