近年来，智慧食堂解决方案相当火热，以用户群庞大、刚性需求强、市场空间充裕著称，尤其匹配K12校园场景下的食堂运营需求。

K12场景通常要求无现金支付，一方面是保证供餐高峰期的支付效率，另一方面则是学生在校园中不适宜携带过多现金。过去K12食堂通常采取一卡通支付系统，但仍存在一些问题：

对学生来说，传统刷卡就餐需要携带一卡通，这就存在卡片遗失、忘带、消磁、盗刷等使用问题。同时K12场景下的学生不适合携带手机，也就无法使用手机支付。

对家长来说，一卡通充值不便，需要携带现金前往窗口充值；其次消费记录不清晰，家长只知道花了多少钱，不知道花在哪里。

对食堂来说，传统刷卡就餐的点餐、结算、充值都依靠人工完成，效率不高，容易出现误差。另外，食堂也希望充分了解学生的就餐需求与喜好，以提升备餐精准度避免浪费。

随着人脸识别技术的成熟，以及信息化管理水平的提升，以刷脸为支付手段的智慧食堂解决方案开始流行，针对性解决了传统刷卡就餐的不便之处。

【智慧食堂解决方案介绍】

智慧食堂解决方案整体可分为应用层、业务层与能力层。

应用层包括直接面向终端用户的人脸识别支付一体机，用于充值、查询和线上订餐的小程序与服务号，提供了更多样的服务和更便利的体验；业务层则是食堂自身使用的运营管理后台，用于商户管理、设备管理、交易管理、对账结算以及业务运营，以信息化手段实现运营效率的提升；能力层则是底层技术构建的业务基础，包括人脸识别、支付通道、信息化管理等等，这部分往往是解决方案商产品实现差异化的关键。

尽管智慧食堂解决方案的底层产品逻辑大同小异，但在实际体验中仍存在差别，这往往取决于方案商对行业的理解，譬如解决方案落地的可行性，支付模式的灵活性，以及人脸识别算法的选型与部署。

方案可行性受制于历史原因：大量食堂过去数十年都采用传统刷卡模式，短时间内彻底改变并不现实，所以往往更愿意兼容性更强的智慧食堂解决方案，即与原系统打通而非取代，且同时支持刷脸、刷卡和手机支付等多样化方式。

支付模式的灵活性需求则源于食堂多样化的经营方式。相比传统刷卡支付只能手动输入菜品金额并刷卡支付，智慧食堂解决方案可以实现更多样化的支付模式，除了自由输入菜品金额扣款，还可以定额扣款，分时段定额扣款，以及通过小程序订餐，消费者到窗口取餐的核销扣款。多样化的支付模式既可以提升食堂支付效率，也能进一步拓宽食堂的业务空间。

上述两点属于产品逻辑，人脸识别则是底层技术的关键，直接决定支付效率与产品体验，选择合适的算法供应商是搭建能力层的重中之重。

【智慧食堂人脸识别算法选型与部署】

智慧食堂方案在进行算法选型时，有几项因素需要重点考虑：精度与效率的平衡；孩子快速长大伴随的面部变化；人脸识别底库照的筛选与更新；活体检测对摄像头选型的需求；设备部署中光线与大小角度的干扰。

首先，涉及到支付环节，人脸识别算法既需要较高精度，尽量避免误识，又要兼顾食堂高峰期的支付效率，尽量避免拒识，所以算法阈值需要在误识率和拒识率两方面取得平衡。在此推荐虹软视觉开放平台的人脸识别SDK，以免费、离线著称，尤其是近期发布的ArcFace4.0算法精度大幅提升，进一步降低了误识率和拒识率，在智慧食堂解决方案上匹配度很高，也被业内多家方案商选用。

其次，需要重点关注K12场景下孩子们快速成长带来的面部变化。由于支付场景下人脸识别的设定阈值较高，面部特征变化可能导致支付失败。面对该情况，用户可定期通过小程序或者公众号号更新人脸识别底库照片，或者将刷脸支付时拍下的照片作为底库照进行更新。

另外，人脸识别底库照注册时需要保证照片质量，可以通过FQ（图像质量检测算法）对底库进行批量筛选，质量不合格的要求学生重新上传。高质量的人脸识别底库将大幅提升识别效率与使用体验，也能避免很多后续问题。市面上具备FQ功能的算法并不多，虹软开放平台的ArcFace4.0是一例。

该功能可以将摄像头拍下的照片进行标准化评估，去除模糊、大角度、逆光、暗光、强光等低质量的人脸图像，从而大幅提升识别速度，也能帮助优化底库人脸照，在上万张照片中快速筛除不合格的注册照，让人脸识别从底库的特征值开始就更加准确。

最后，除了人脸识别以外，活体检测也是支付场景下不可缺少的部分，通过双目摄像头同时进行RGB活体检测和IR活体检测，是兼顾效果与性价比的优良选择。同时，设备部署时需要充分考虑实地场景中外部光线对摄像头的干扰，安装高度也需要考虑学生身高差异，避免大小角度对人脸识别造成过度影响。

随着教育信息化的推进，传统K12校园食堂的智慧化改造基本已成定局，充裕的市场空间正逐渐展开。在智慧食堂解决方案的三个层面中，应用层的用户体验、业务层的产品逻辑与能力层的人脸识别算法选型，将成为决定方案竞争力的关键。

来源：北国网

免责声明：本文来源于网络，仅代表作者本人观点，与TechWeb无关。凡来源非TechWeb的新闻（作品）只代表本网传播该消息，并不代表赞同其观点。TechWeb对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任