对于初学者来说，算法选择需要考虑几个因素:准确性和效率的平衡;由于化妆和装饰，人们的脸变化很大。人脸识别数据库照片的筛选和更新;活体检查对摄像机选择的要求;设备部署中光线与角度的干扰。

　　此外，在支付时，人脸识别算法需要较高的准确率，以尽可能避免误识别，同时也考虑了高峰时期的支付效率，以尽可能避免拒绝，因此算法的阈值需要在误识别率和拒绝率之间取得平衡。这里推荐ArcSoft Vision开放平台的人脸识别SDK，以免费、离线著称。特别是最近发布的ArcFace4.1算法的准确率有了很大的提升，误识率和拒识率进一步降低。它在相关AI应用中具有较高的匹配度，被业内多家解决方案提供商选用。

　　其次，需要重点关注人的妆容和配饰带来的面部变化。由于支付场景中人脸识别的门槛较高，人脸特征的变化可能导致支付失败。在这种情况下，用户可以通过小程序或公众号定期更新人脸识别数据库的照片，或者将刷脸支付时拍摄的照片更新为数据库照片。

　　另外，在注册人脸识别数据库照片时，需要保证照片质量。数据库可以通过FQ(图像质量检测算法)批量筛选，质量不合格的要求学生重新上传。高质量的人脸识别数据库将大大提高识别效率和体验，也避免了许多后续问题。市面上具有FQ函数的算法并不多，ArcSoft开放平台的ArcFace4.1就是一个例子。

　　该功能可以对相机拍摄的照片进行标准化和评价，去除模糊、大角度、背光、暗光、强光等低质量人脸图像，大大提高识别速度。还可以帮助优化地下室的人脸照片，快速筛选出上万张照片中不合格的注册照片，从地下室的特征值中让人脸识别更加准确。

　　最后，除了人脸识别，活体检测也是支付场景中不可或缺的一部分。通过双目摄像头同时进行RGB活体检测和IR活体检测，无论是效果还是性价比，都是绝佳的选择。同时，在部署设备时要充分考虑野外场景中外界光线对摄像头的干扰，在安装设备时也要考虑学生的身高差异，避免尺寸角度对人脸识别的过度影响。