去年三月份，馬云在德國漢諾威消費電子、信息及通信博覽會秀了一把SmiletoPay掃臉技術，“刷臉”支付技術一時也成為大眾廣知的新鮮玩意。但其實“刷臉”支付并不是新鮮的玩意，早在2013年7月份，芬蘭創業公司Uniqul便在全球推出這一的便捷技術。
但對于消費者而言，“刷臉”技術真是可遠觀而不可褻玩，筆者每每看見支付寶提出的刷臉需求，都會狠心地拒絕，說到底是對于支付安全、個人隱私的擔憂。
除了這些，目前的人臉識別技術真的可以做到便捷嗎?用過人臉打卡的朋友們也許對人臉識別技術是最拒絕的，小編之前單位的打卡機，打卡前要先看下太陽光的折射角度，然后再根據光的方向，進行移位刷臉，經過種種方式刷上之后，最終顯示查無此人，心里的郁悶與臨近上班的時間成正比，因為此不少單位的人還是選擇了刷卡。
而這樣的現象，正是2D人臉識別技術的弊端所在。很多人在第一次接觸人臉識別產品的時候，都會在腦海中首先浮現出一個問題，如果是雙胞胎，機器能夠識別出誰是誰嗎?答案是不可以的，去年趙薇老公被司機冒充，騙過公證處人臉識別系統賣其豪宅的事件已經是敲醒了警鐘，用技術的角度來解釋便是傳統的人臉識別技術以人的瞳孔距離為基礎進行比對，是存在一定的“以偏概全”的局限，換成簡單的話來說，便是人臉識別技術的準確率仍有待提高。
人臉識別技術的難點
當然存在這樣的問題，并不是因為產品的質量不過關，而是因為人臉識別技術的難點實在太高。在安防監控系統中，人臉識別與智能分析技術的融合，更能加強實戰及業務的拓展，但在實際的應用中，人臉識別技術本質的缺陷也不斷暴露。一位資深的安防從業人員認為，人臉識別雖然看上去充滿科技感，但在實際的應用中難免會暴露出技術的弊端。
第一是其背景環境的復雜性，往往會導致人臉檢測率降低，而人臉檢測的正確與否又與人臉識別性能成正比，所以未來能否研發出能夠適應復雜背景環境中的人臉檢測算法將是技術突破的重點。
第二是光照條件的復雜多變性。在監控錄像中，我們很難可以保證在不同環境光線下不造成不同人臉陰暗變化，克服光照對識別率的影響仍是未來人臉識別技術突破的難點。
第三是人臉表情的多變性。機器識別人臉主要是算法，而人臉的變化會因表情不同而不同，當人臉表情發生變化時，人臉的輪廓也會隨之不同，同時由于面部肌肉的牽引，面部的特征點的位置也會隨之改變。此外，不同的人的相同表情影響也不相同，因此很難用統一的標準來精確劃分各種表情對不同人的影響。
第四是采集人臉的角度多樣性。與表情變化相似，拍攝角度的不同也會導致人臉輪廓的變化(45度自拍是有科學依據的)，由于角度的變化，可能也會導致人臉的部分特征無法被正確提取，導致識別錯誤。
第五是遮擋問題。在實際的案例中，犯罪分子往往采取帽子、眼鏡等遮擋物，或者采取喬裝的方式直接影響人臉特征的提取，導致人臉很多信息丟失，人臉識別算法容易出現出錯或者失效。
3D人臉圖像識別改善人臉識別技術
如何擺脫目前人臉識別技術的弊端，三維(3D)人臉識別方案已經得到市場的公認。相對于傳統人臉識別，3D人臉識別可以應對各種光線干擾，甚至在夜晚能見度較差的環境下也可以識別人臉信息。甚至3D人臉識別技術可以在目標移
3D生物識別與2D生物識別數據對比
動過程中進行識別，此外立體化識別不局限于人臉正面，適用于各個角度，面部頭發遮擋、姿態變化也可做到高準確率識別。據網上的數據顯示，兩種人臉識別的實驗結果如下：
目前在安防系統中的人臉識別技術大多為2D人臉識別，如果要進行3D識別，必須要采用多個攝像頭進行拍攝，才能達到相應的3D人臉識別效果。在日本東京已經有102個站點布置攝像機進行3D拍攝，雖然效果較好，但相對成本也較高。但這樣的趨勢也在反映出，未來3D技術必然會在安防行業中大有所為，追求立體化、智能化的安防系統中將會更加完善。
京公網安備 11010502049343號