人臉識別又叫做人像識別、面部識別，是一種通過用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術。
生活中，很多人在出門之前，都會習慣性地檢查一下隨身的錢包、鑰匙，如果一時粗心大意，丟三落四，就可能面臨尷尬的情景。但在未來，隨著人臉識別技術的廣泛普及應用，你可能無需再為此擔心，消費支付可以“刷臉”，回家進門可以“刷臉”，原本科幻片電影中的人臉識別的場景正在變為現實。人臉信息可能在未來成為你最重要的一份密碼，然而這樣的未來究竟還有多久才能到來?
從研究到應用
人臉識別技術雖然近年來才受到關注，但其實相關的研究歷史卻比較悠久。最早進行人臉識別研究的并不是計算機領域的研究人員，而是生物學家和心理學家。早在19世紀的時候，英國生物學家、進化論的奠基人達爾文就對人臉的表情及結構特征做過研究。到19世紀末，達爾文的表弟，同樣也是英國著名心理學家和遺傳學家的弗朗西斯·高爾頓也在生物特征識別上做過非常深的研究。高爾頓在1888年和1910年就分別在《Nature》雜志發表了兩篇關于利用人臉進行身份識別的文章，對人類自身的人臉識別能力進行了分析。
達爾文與高爾頓在當時的研究還沒有涉及到自動人臉識別(Automaticfacerecognition，簡稱AFR)問題，最早關于AFR的研究論文是1965年陳(Chan)和布萊索(Bledsoe)在PanoramicResearchInc.發表的技術報告，距今也已有50年的歷史。經過了半個世紀的發展，尤其是近十幾年來的研究，自動人臉識別技術已經取得了長足的進步，也成為了生物特征識別領域甚至人工智能領域最重要的研究方向之一。
“傳統的AFR技術，在提取人臉特征時一般提取人為定義的人臉紋理特征，比如LBP、Gabor、SIFT，在國際標準人臉識別評估數據庫LFW(LabelledFacesintheWild)上的識別率一般在80%-90%左右，而目前，世界上一流的人臉識別技術一定是采用了深度學習技術。”北京飛搜科技有限公司CTO白洪亮在接受媒體采訪時介紹道。
白洪亮表示，由于深度學習技術、卷積神經網絡的引入，特別是GPU(圖像處理器)的發展使得卷積神經網絡的算法得以實現，人們在提取人臉特征時不再提取人為定義的特征，而是采用卷積神經網絡在大規模的人臉數據集中去學習出表述人臉的特征。采用這種機器學習出來的人臉特征，目前世界一流的人臉識別技術在LFW上的識別率一般在99%以上。
香港中文大學教授湯曉鷗此前在計算機視覺國際會議CVPR2014上發表論文，稱計算機算法識別人臉的準確率已經達到99.15%，超過了人類肉眼識別的97.52%準確率。騰訊公司也向外界透露，其公司的研發團隊在全球最權威的人臉識別評測平臺FDDB上，達到了人臉識別LFW數據集準確率超過99.5%，對身份證照片識別準確率甚至超過了99.9%。
在評測實驗中，目前的人臉識別技術已經取得了近乎滿分的成績單，但在實際應用中，人臉識別技術的表現又如何呢。
在北京中關村某企業供職的劉女士表示：“今年公司改用了人臉識別的考勤機打卡，實際使用中，人臉識別的速度是很快的，準確率也在9成以上”。
除了在公共安防、企業考勤等領域的應用，人臉識別技術也被越來越多地應用到個人智能終端中。齊先生今年更換了一部國產智能手機，其手機系統中便集成了人臉識別功能，可以用于解鎖手機和為手機應用程序加密。“使用人臉識別解鎖時，手機還沒有出現被他人解鎖的情況，但自己解鎖不成功的現象卻出現過不止一次，有時自己會被人臉識別莫名其妙地報錯，只能使用密碼輸入來解鎖手機”，齊先生說道。齊先生所遇到的這種情況，主要因為人臉識別技術在應用中存在誤接受率和誤拒絕率所導致的。
誤接受率和誤拒絕率是考量人臉識別技術準確度的兩個重要指標，而在實際應用中，這兩項指標都無法降到零。當人臉識別被作為一種加密技術的時候，降低誤接受率便顯得尤其重要，為嚴格確保安全，人臉識別往往會“矯枉過正”，這便導致了誤拒絕率也會變得更高，使得真正的用戶也可能因為種種情況而被人臉識別所拒絕，這也直接影響到人臉識別技術在實際應用中的用戶體驗。“
人臉識別在未來的應用領域會更加廣泛，視頻分析、智能家居、智能汽車、機器人、移動互聯網等領域都會出現人臉識別的新應用”。白洪亮表示。而在未來錯綜復雜的實際應用環境中，人臉識別技術要在安全性與用戶體驗之間尋求平衡，就必須根據不同的應用場景找到誤接受率和誤拒絕率之間的平衡點。
被打開的市場空間
2015年上半年，國內有關人臉識別技術的新聞總能不時“上頭條”，引發廣泛的關注，其中大多都是人臉識別技術在互聯網領域的應用。1月4日，李克強總理在深圳考察首家互聯網銀行微眾銀行時，該銀行展示了其通過人臉識別技術和大數據信用評級發放貸款的基礎設施。4月份，隨著國內證券市場“一人一戶”限制的放開，證券行業迎來巨大的開戶潮，為了吸引用戶，一些券商利用人臉識別技術開通網絡開戶。目前，包括長城證券在內的幾家券商已經獲得了人臉識別應用試點批文。
7月4日，經李克強總理簽批，國務院印發了《關于積極推進“互聯網+”行動的指導意見》(下稱《意見》)，明確了未來3年以及10年的“互聯網+”發展目標。《意見》就金融方面提到，“支持銀行、證券、保險企業穩妥實施系統架構轉型，鼓勵探索利用云服務平臺開展金融核心業務，提供基于金融云服務平臺的信用、認證、接口等公共服務”。目前，國內許多互聯網金融業務都受限于缺少線下實體網點，面簽正在成為制約行業發展的瓶頸，而運用互聯網進行的“遠程人臉識別+身份證件核實”的驗證方式，則可以有效解決這一行業痛點。
有業內人士認為，在市場的強勁需求及眾多資本力量的推動下，人臉識別技術正在成為未來互聯網金融行業的重要基礎設施，從而在互聯網金融領域打開巨大的市場空間。2015年上半年的人臉識別領域投資熱潮，也正是得益于國內互聯網金融市場的火暴。
除了遠程開戶、身份核實等金融機構的應用，針對個人用戶的“刷臉支付”則更容易吸引眼球。3月15日，在德國漢諾威國際信息及通信技術博覽會開幕式上，阿里巴巴董事局主席馬云向德國總理默克爾和我國國務院副總理馬凱演示了螞蟻金服的“SmiletoPay”技術，用手機“刷臉支付”的方式網購了一張1948年的漢諾威紀念郵票。而國內另一家互聯網巨頭騰訊，也在4月份宣布旗下的互聯網在線支付平臺財付通與公安部所屬的全國公民身份證號碼查詢服務中心達成戰略合作，希望借此提升人臉識別的準確率及商業應用可用性。
“較之傳統的移動支付手段，刷臉支付可以讓消費者不需要帶任何設備，甚至卡，只需要在人臉識別設備上進行刷臉，就可以完成支付，這可以說是對消費者的完全解放”，移動支付網特約分析師慕楚在接受媒體采訪時說。
雖然“刷臉支付”看上去足夠酷，但慕楚認為短期內還沒有普及的可能。“在政策上，央行鼓勵金融創新，支付創新，但任何創新都是基于支付的安全，如果人臉識別技術真的要應用在大眾支付上，需要推動標準和規范的形成，就這方面來說，人臉識別要走的路還很長，而且不包括后續的市場推動。”慕楚表示。
慕楚還表示，到目前為止，基于生物識別的支付方式，如指紋、人臉、虹膜，在卡組織層面，都沒有得到普遍認可。基本是第三方支付平臺與銀行進行一些小額支付的應用和試點，這與手勢密碼在支付中的應用境況相似，并且以目前的發展情況來說，“刷臉支付”還不可能成為支付主流技術。
在支付領域，安全問題至關重要，任何的不確定因素都可能后患無窮。人臉識別作為前沿技術是否會在支付領域得到應用普及，還需要更多的時間進行驗證。
安全性存疑
人臉與指紋、虹膜等人體生物特征一樣與生俱來，并且人人不同，是先天的“生物秘鑰”。因此，不少科學家認為生物特征識別將是密碼學的終極階段，是真正的“自然識別”，未來，人們將不需要再去記憶任何密碼語言。
然而，終極密碼并不意味著終極安全。
目前，指紋識別被普遍認為是一種比較安全的加密技術，但卻有人警告我們，指紋加密其實并沒有想象中的萬無一失。2014年底，歐洲最大的黑客組織ChaosComputerClub(混沌計算機俱樂部)的成員之一，代號“Starbug”的德國黑客JanKrissler便在俱樂部大會上講解了自己如何使用了一臺普通相機和一套公開的商用軟件，偽造出了德國國防部長烏爾蘇拉·范德萊恩的指紋。并且，Krissler強調，他完成這一“壯舉”所用的工具都是市面上可以輕易獲得的。而仿虹膜的方法也早在2012年就有團隊提出，這些都給生物識別技術提出了挑戰，也讓人們對生物設別被運用到加密技術中產生擔憂。
由于人臉識別采用非接觸性的檢測方法，因而在檢測識別過程中是否會被人臉圖片、視頻等資料所蒙蔽。這在業內一直存在爭議。“有的AFR技術加入了人臉活體檢測，與用戶互動，檢測人臉的五官動作、表情特征，也會用人聲識別的方法來加以輔助解決。”白洪亮表示。
并且，與指紋、虹膜不同的是，人臉形態并非終生不變，而是可能會隨著時間而變化，這也是人臉識別技術中無法回避的一個難點。據了解，目前的人臉識別技術可以做到的是，人臉在發型變化、常規化妝、一定程度的胖瘦變化、自然老化等情況下可以被識別出來。但是，如果人臉因為整容等原因出現過于劇烈變化，計算機的人臉識別技術也無能為力。另外，對于雙胞胎、多胞胎的人臉識別難度也很大，目前只能采用多種識別方式組合的辦法來進行身份識別。
當我們看到人臉識別技術的巨大進步時，也不能忽略其在實際應用中存在的問題，人臉識別技術的局限性仍然存在。“望山跑死馬”，我們似乎已經看到了“終極安全”這座高山，但要真正走近它，我們還有很長的路。
京公網安備 11010502049343號