0
商品极大丰富的今天，个性化的购物体验成了零售商们的核心竞争力。
个性化服务的基本前提是对消费者足够了解。为此，零售商们建立了强大的CRM系统，并不断利用新技术搜集和完善会员信息。但如何将数据库里的信息和真实用户相匹配呢？以往我们需要随身携带会员卡，进行刷卡验证。
卡片一多，整理起来便十分困难，遗失和忘记携带的情况时有发生。但有了人脸识别技术，这个问题便迎刃而解了。
日前，百度AI开放平台与雨诺股份达成深度合作，利用人脸识别打通会员信息，并联合服务集成商Cella为医药零售行业输出智慧药房解决方案。
百度作为技术平台输出方，为该方案提供了基础技术能力。据雷锋网了解，这套方案主要用到了大规模、高精度人脸检索技术（1：N人脸搜索），以及完整的人脸注册、实时检测、捕获、识别等能力。能够基于人脸信息，快速识别到店顾客是否为会员。
雷锋网了解到，雨诺股份采用的是百度AI开放平台的通用人脸识别接口，并未做特殊化定制。目前开放的接口已经完全可以满足会员识别的主要场景。相比于技术本身，会员识别更大的挑战来源于实际应用场景的种种条件限制，比如现场的光照、店内的遮挡物、网络条件，以及摄像头角度等等。百度针对这些情况作了深入的考察，并对解决方案作了许多优化。
比如针对强光和夜晚弱光等情况，需要确保摄像头处在正确的位置上，不逆光；同时保证室内灯光正常。通过调整实际场景的产品策略，尽可能满足识别的条件要求。
据悉，百度的人脸识别技术在国际上位于领先地位，识别准确率超过99%。识别范围则主要取决于摄像头可以捕获到的最小人脸，要兼顾清晰度、姿态、光照等条件限制。不同的场景对摄像头的要求也不尽相同。
开发者接入后，系统将在会员注册环节采集会员的人脸信息，形成会员人脸库，通过在门店布设摄像头并集成会员识别方案，当消费者进入店面，便会实时自动捕获消费者人脸，调用云端人脸识别接口，在会员人脸库中进行实时查找，准确识别出会员身份，并实时反馈给商家的业务管理系统，实现业务联动。
人脸识别的过程可以分为两个环节——前端捕获和后端识别。前端方面，百度提供了离线版SDK，可以实时检测、跟踪、捕获人脸信息，并做一定的质量判断，确保捕获的人脸图像可用于识别分析。之所以将人脸“捕获”过程放在前端，是为了确保人脸信息采集的效率和效果。人脸识别“处理”的过程则在百度的云端实现。
雨诺股份在全国拥有50 多家合作伙伴，获得了6000 多家用户、4 万多家药房的认可，拥有600多万会员。这是一个较为庞大的人脸库。在云端百度可以提供大规模的人脸检索能力，更快地完成万级别甚至百万级别的人脸检索，并在极短时间内实时反馈识别结果。前后端协同的模式避免了人脸信息增加对识别速度的影响，同时也保证了识别效果。
百度还会切实保障全流程的数据安全性，仅做特征的大规模比对和基本的“是与否”判断，判断完毕后不做任何储存操作。人脸图像及会员信息完全归属于雨诺或终端药店。至于常访顾客，则由业务方根据业务需要自行设计业务逻辑和产品方案，决定是否存储人脸图像等信息。
该吃什么药？哪种药效果最好？哪种最适合自己？这是消费者踏入药店时最常思考的几大问题。由于不了解顾客的病史，药店店员很难在第一时间准确给出用药推荐。另外，药店或多或少都存在服务人员的知识和能力参差不齐、流动性高等问题，无法为客户持续提供高质量服务。
有了人脸识别方案之后，药店彻底摆脱了跨地区、人员更换的限制，确保了服务质量标准的统一性。顾客从踏入药店的第一步起，店员就能为其做出个性化服务。
会员进店后，首先被人脸识别系统识别出会员身份，营业员进而对会员进行主动关怀、推荐合理用药、提醒用药注意事项等贴心服务；此外，还将通过电话加短信的方式，为会员发送品类优惠券，进行健康关怀，极大提升了营业效率和顾客体验。
会员人脸识别是AI技术应用于零售行业的良好开端，从技术到市场化落地，克服了很多实际应用的问题。后续针对零售行业，百度还会推出更多包括但不限于人脸识别的AI技术和方案。
无人便利店当前十分火热，不少无人便利店正在尝试利用人脸识别技术确定顾客身份并实现“刷脸支付”。京东和阿里也先后在京东之家和肯德基Kpro推出了刷脸支付试点。未来是否有可能实现大规模的人脸支付呢？
雨诺股份冯张龙向雷锋网介绍，药店的会员卡可以做权益兑换，比如说兑换积分抵扣现金；有些药店还推出了储值卡。以往顾客使用会员卡或储值卡进行支付或者权益兑换时，需要随身携带卡片。但现在有了人脸识别技术，系统通过人脸验证顾客身份后即可完成兑换和支付。换言之，雨诺股份的CRM系统解决了企业内部的刷脸支付问题。
虽然目前基于人脸的身份核验技术（如人证对比、离在线活体检测等技术）已经在多个领域具备了商用的能力，并取得了广泛的应用，但要真正做到刷脸支付还面临着许多挑战。主要有三个方面：
一、支付环节的应用对安全性要求更高
支付与用户的资金直接相关，刷脸支付的商用意味着，普通用户通过人脸识别可以进行支付。这对识别技术的准确率、响应时间和安全性都提出了极高的要求。与其他的使用场景不同，如果在支付环节出现问题，会直接导致资金损失。
二、线下场景比线上场景更复杂
与在手机上使用，或实验室场景下的内测不同，商用的真实应用场景复杂多变，让人脸识别技术的挑战更大。比如，白天和晚上的光线不同，对采集的图像质量会有影响；又比如，因为用户体型不同，面对固定摄像头的角度和姿势各异。会进一步加大识别的难度。
三、公开环境、公共设备挑战更大
刷脸支付进入商用，使用场景是在公开环境，用公共设备，用户不用掏手机也能完成支付。在非本人使用的设备上，如何精准确定本人，特别是精准识别长相相似的人防止误识别，以及如何防止各种人脸伪造冒用情况，难度都会比在自己手机上操作要更大。
目前，京东和阿里的人脸支付试点采用的均是人脸识别+手机号码验证的形式。这一方面是为了确定消费者的付费意愿（防止误触），另一方面也是作为补充安全手段。由此可见，单纯依靠人脸识别解决支付问题仍然需要时间。
不过可以肯定的是，随着人脸识别的不断普及，人脸信息将会成为每个人天然的一个ID，不仅为商家提供更加丰富的服务依据，也可以为顾客提供更方便的权益证明。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
