当前，各种高科技不断应用于互联网金融领域，无论是传统金融，还是互联网金融，都将面临高科技带来的技术革新的机遇，同时，也意味着一旦在这场攻守战中失败，则很可能被市场淘汰出局。
“人脸识别”和“大数据”是近几年在互联网金融中运用最广泛的两种方式之一。谷歌、苹果、百度等国内外知名企业，以及以微众银行、网商银行、众可贷为代表的互联网金融企业都在加速布局“人脸识别”和“大数据”。
有数据表明，全国14亿人口中有12个人和你长得几乎一模一样，数据应用已逐渐突破现今人类认知水平，同时平安城市联网的数百万台监控摄像机每天也产生着海量的数据信息，这些数据存在大量有待挖掘的应用价值。种种迹象表明，公安想要跨入大数据应用时代，人脸识别技术想要在公安行业成熟落地，一些传统技术瓶颈逐步显现，响应速度越来越慢，有些应用场景已经完全不能支撑。
公安大数据应用背景给人脸识别应用带来了机遇，同时也给人脸识别技术提出了更高的要求。虽然人脸识别技术性能已有较大提高，但它仍是在模式识别和计算机视觉等领域最困难的问题之一。如何利用人脸识别技术将这些海量照片数据利用起来，提升整个公安信息化的管理水平，已经是摆在我们面前的一个重要问题。
1、对人脸识别的比对容量要求更大、精确度要求更高
目前公安的户政管理、出入境、刑侦嫌疑犯的身份识别等各类应用，需要基于全国人脸数据进行识别，处理的数据库容量上亿或十亿，处理的比对请求数量大、模式不统一，快速准确地从如此规模数据库中快速识别身份是一件非常有挑战的任务。
2、系统输入从单纯的静态图片扩展到动态视频
近年来，全国各地公安机关大力开展视频监控系统建设，据不完全统计，全国每年需要存储的数据量高达3.3EB，结合视频监控和人脸识别，实现犯罪嫌疑人的快速识别和实时布控，是提高视频监控效率的一条重要途径。然而，由于人脸识别视频监控面临光线、角度、姿态、遮挡等一系列因素的影响，导致人脸的类内差距增大、类间差距缩小，给结合视频监控的人脸识别带来了巨大挑战。
3、图像来源更加广泛、图像质量差异较大
通过“金盾工程”建设，公安已经成功建设了八大资源库，积累了海量的数据，为人脸识别技术在公共安全领域的广泛应用奠定了基础。然而，由于缺乏统一的建设标准，各类业务中人脸数据质量差异大，给人脸识别应用造成了难度。
在传统侦查工作方式中，照片比对只能依靠人工方式进行，工作量巨大、速度慢、效率低、无法适应业务需要。人脸识别系统所具备的高速自动识别能力很大程度上可以从以往的“人海战术”中解脱出来，大大提升整个国家、社会的安全防范水平，从而达到维护社会稳定、保障国家安全的目的。
18221259202