科技的發展正在加速改變我們的生活。以前，我們購物埋單時，收銀員會問“現金還是刷卡”，現在，這句話則變成了“微信還是支付寶？”以前，我們上街要帶現金，后來變成帶卡，現在只需帶手機。

然而，你想過沒有？未來某一天，我們上街連手機都不用帶了，只要“帶臉”就行。因為，我們正在邁向“刷臉時代”。

到時，把你的所有信息、財產都跟你的臉綁定了，出門“刷臉”就行。今天，我們就來詳細了解一下人臉識別技術：

一、人臉識別概述

人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。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，通常也叫做人像識別、面部識別。人臉識別是一項熱門的計算機技術研究領域，它屬于生物特征識別技術，是對生物體(一般特指人)本身的生物特征來區分生物體個體。

生物特征識別技術所研究的生物特征包括臉、指紋、手掌紋、虹膜、視網膜、聲音(語音)、體形、個人習慣(例如敲擊鍵盤的力度和頻率、簽字)等。

相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別(用語音識別可以進行身份識別，也可以進行語音內容的識別，只有前者屬于生物特征識別技術)、體形識別、鍵盤敲擊識別、簽字識別等。

二、三大關鍵技術

人臉識別技術主要包括三大主要技術，分別是以下三大方面。

1、基于特征的人臉檢測技術

通過采用顏色、輪廓、紋理、結構或者直方圖特征等進行人臉檢測。

2、基于模板匹配人臉檢測技術

從數據庫當中提取人臉模板，接著采取一定模板匹配策略，使抓取人臉圖像與從模板庫提取圖片相匹配，由相關性的高低和所匹配的模板大小確定人臉大小以及位置信息。

3、基于統計的人臉檢測技術

通過對于“人臉”和“非人臉”的圖像大量搜集構成的人臉正、負樣本庫，采用統計方法強化訓練該系統，從而實現對人臉和非人臉的模式進行檢測和分類。

三、四大特征

1、幾何特征

從面部點之間的距離和比率作為特征，識別速度快，內存要求比較小，對于光照敏感度降低。

2、基于模型特征

根據不同特征狀態所具有概率不同而提取人臉圖像特征。

3、基于統計特征

將人臉圖像視為隨機向量，并用統計方法辨別不同人臉特征模式，比較典型的有特征臉、獨立成分分析、奇異值分解等。

4、基于神經網絡特征

利用大量神經單元對人臉圖像特征進行聯想存儲和記憶，根據不同神經單元狀態的概率實現對人臉圖像準確識別。

四、十大難題

1、光照問題

光照變化是影響人臉識別性能的最關鍵因素，對該問題的解決程度關系著人臉識別實用化進程的成敗。

由于人臉的3D結構，光照投射出的陰影，會加強或減弱原有的人臉特征。尤其是在夜晚，由于光線不足造成的面部陰影會導致識別率的急劇下降，使得系統難以滿足實用要求。

同時，理論和實驗還證明同一個體因光照不同引起的差異，大于

同一光照下不同個體之間的差異。光照問題是機器視覺中的老問題，在人臉識別中的表現尤為明顯。

解決光照問題的方案有三維圖像人臉識別和熱成像人臉識別。但這兩種技術還遠不成熟，識別效果不盡人意。

2、姿態問題

人臉識別主要依據人的面部表象特征來進行，如何識別由姿態引起的面部變化就成了該技術的難點之一。

姿態問題涉及頭部在三維垂直坐標系中繞三個軸的旋轉造成的面部變化，其中垂直于圖像平面的兩個方向的深度旋轉會造成面部信息的部分缺失。使得姿態問題成為人臉識別的一個技術難題。

針對姿態的研究相對比較的少，目前多數的人臉識別算法主要針列正面、準正面人臉圖像，當發生俯仰或者左右側而比較厲害的情況下，人臉識別算法的識別率也將會急劇下降。

3、表情問題

面部幅度較大的哭、笑、憤怒等表情變化同樣影像著面部識別的準確率。現有的技術對這些方面處理得還不錯，論是張嘴還是做一些夸張的表情，計算機都可以通過三維建模和姿態表情校正的方法把它糾正出來。

4、遮擋問題

對于非配合情況下的人臉圖像采集，遮擋問題是一個非常嚴重的問題。特別是在監控環境下，往往被監控對象都會帶著眼鏡、帽子等飾物，使得被采集出來的人臉圖像有可能不完整，從而影響了后面的特征提取與識別，甚至會導致人臉檢測算法的失效。

5、年齡變化

隨著年齡的變化，一個人從少年變成青年，變成老年，他的容貌可能會發生比較大的變化，從而導致識別率的下降。對于不同的年齡段，人臉識別算法的識別率也不同。

這個問題最直接的例子就是身份證照片的識別，在我國身份證的有效期一般都是20年，這20年間每個人的容貌必然會發生相當大的變化，所有在識別上也同樣存在很大的問題。

6、人臉相似性

不同個體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。這樣的特點對于利用人臉進行定位是有利的，但是對于利用人臉區分人類個體是不利的。

7、動態識別

非配合性人臉識別的情況下，運動導致面部圖像模糊或攝像頭對焦不正確都會嚴重影響面部識別的成功率。在地鐵、高速公路卡口、車站卡口、超市反扒、邊檢等安保和監控識別的使用中，這種困難明顯突出。

8、人臉防偽

偽造人臉圖像進行識別的主流欺騙手段是建立一個三維模型，或者是一些表情的嫁接。隨著人臉防偽技術的完善、3D面部識別技術、攝像頭等智能計算視覺技術的引入，偽造面部圖像進行識別的成功率會大大降低。

9、圖像質量問題

人臉圖像的來源可能多種多樣，由于采集設備的不同，得到的人臉圖像質量也不一樣，特別是對于那些低分辨率、噪聲大、質量差的人臉圖像(如手機攝像頭拍攝的人臉圖片、遠程監控拍攝的圖片等)如何進行有效地人臉識別是個需要關注的問題。

同樣的，對于高分辨圖像對人臉識別算法的影響也需要進一步的研究。現在，我們在人臉識別時，一般采用的都是相同尺寸，清晰度很接近的人臉圖片，所以圖像質量問題基本可以解決，但是面對現實中更加復雜的問題，還需要繼續優化處理。

10、樣本缺乏

基于統計學習的人臉識別算法是目前人臉識別領域中的主流算法，但是統計學習方法需要大量的訓練。

由于人臉圖像在高維空間中的分布是一個不規則的流形分布，能得到的樣本只是對人臉圖像空間中的一個極小部分的采樣，如何解決小樣本下的統計學習問題有待進一步的研究。

此外，現在參與訓練的人臉圖像庫基本都是外國人的圖像，有關中國人、亞洲人的人臉圖像庫少之又少，給訓練人臉識別模型增加了難度。

五、人臉識別應用維度

1、動態場景兩個維度

第一，1:1。1:1的定義是一個判斷的作用，應用的場景其實是在金融和人證，特點是更加的精準和安全，所以現在大家不管是支付寶還是銀行的人證比對、實名的業務，基本上都會用到1:1人臉的識別。

第二，1:N。1：N更多的是在一個數據庫當中或者是一個底庫當中，能夠找到這個人是不是在底庫當中的人，所以是個識別的過程，是一個動態的，還是一個非配合的場景。

比如說在安防當中我去緝拿逃犯，我去抓到逃犯總不能讓逃犯看到攝象頭。在商業場景當中也不可能讓我們的VIP客戶、員工、會員對著攝象頭做著一遍操作，所以是動態和非配合的場景。

2、業務場景四個維度

第一，盤子足夠大，能夠支撐公司的長遠發展。

第二，數據回流。

第三，是否是高頻的場景和高頻的使用。

第四，是否可復制，可否從1+0轉變到1+N的方式，提高效率。

3、可視化系統三個維度

第一，人員通行管理。

第二，傳感網絡的融合。

第三，商業地產+新零售整體的融合部分。

六、人臉識別應用領域

應用領域：金融、司法、安保、邊檢、航天、電力、教育、醫療，等。

商業化四大潛力：閘機、交通、銀行、手機

具體應用場景概述

一 金融領域

1、人臉識別自主終端

人工審核、自主開卡、業務變更、密碼重置，等一些個人業務。

2、移動金融、銷售

遠程身份核實驗證，兩個方面：用戶身份的核實及金融機構的上門辦理業務所需的帶有人臉識別系統的便攜式設備。

3、柜面系統

人臉聯網核驗，用于銀行、保險、證券等金融機構的柜面開戶，等業務。

二 國內機場應用

三大關鍵點：首次嘗試、登機、全面智能化

標志性事件：

1、2009年北京首都機場的首次嘗試是國內機場開始認識人臉識別技術的第一步，而限于當時人臉識別技術的水平，不得不采用磁卡進行交叉驗證，確保身份的唯一性。在識別速度及準確率上，當時的人臉識別技術與深度學習介入后的人臉識別技術不在一個水平上。

2、2014年南京祿口機場首次嘗試將人臉識別技術應用在登機上，雖然同樣受限于當時的技術商業落地的水平，無法實現自助通關，卻為接下去的應用提供了借鑒的想法和經驗。

3、2016年12月，銀川機場的全面智能化，標志機場智能化水平進入到一個新的階段。除了安檢通關和自助登機，人臉識別及相關的計算機視覺技術被應用到動態布控、人流引導、智慧航顯、VIP迎賓、軌跡檢索、保潔提醒等多個方面，為2017年人臉識別技術在機場應用的爆發打下了良好的基礎。

南航----國內首家運用人臉識別技術的航司

CZ3384成為第一個應用新技術登機的航班。旅客無需手持登機牌，刷臉即可快速通過登機口。

三 中國式過馬路問題

①用上人臉識別，解決成本難題。

②堅持依法行政，防止法外之罰。

③解決路權沖突，避免運動執法。

實例：據濟南警方介紹，人臉識別系統主要用于抓拍闖紅燈的行人和非機動車駕駛者，在晚上也能清晰成像。行人被“抓了現行”，闖紅燈的短視頻和放大后的頭像將直接曝光在路口的顯示屏上，呈現在公眾面前。

此外，這套設備還與居民身份信息系統相連，通過人臉識別出的違法者姓名、身份證號碼等個人信息，也將顯示在電子屏上。

濟南啟用人臉識別系統后，一個月共抓拍6200多起行人和非機動車闖紅燈違法行為。有了“黑科技”的威懾，闖紅燈的行為得到了有效遏制，有一個路口每天闖紅燈的人次從逾百次降到了十幾次。

在重慶江北，人臉識別系統試運行以來，行人過街守法率從60%上升到97%以上。

隱患：個人信息公之于眾，牽扯到泄露個人隱私的問題。專家建議，對于人臉識別等信息采集行為，要提前向社會進行公告，告知公眾已進入公共信息采集區域，違法行為將被拍攝并曝光，這樣既滿足了群眾的知情權，也起到警示提醒作用;對采集的信息，要進行適當技術處理，對于不宜公開的隱私，應當遮蔽或不予公開。

根本：受訪專家表示，由于交通設施的設置不合理導致的過馬路難，往往是導致行人闖紅燈的更主要原因。有的城市道路路網規劃不合理，注重主干路建設，支路和次干路密度達不到要求，導致行人和非機動車都被匯集到主干路上；

有的路口紅綠燈時間分配不合理，若是按規則過馬路，就得有足夠強的耐心和足夠快的速度。只有綜合治理，解決好人與車“路權”沖突，才能從根本上破解“中國式過馬路”。

四 教育領域

考生身份認證識別、校園、宿舍出入管理等場景。

實例：2016年高考，已有北京、四川、湖北、廣東、遼寧、內蒙古等多省采用“人臉識別+指紋識別”的生物識別技術確認考生身份，防止替考、作弊事件發生。

伴隨試點區域及各領域案例的拓展及運營模式的成熟，行業報告研究院預計2017年人臉識別有望迎來大規模普及。

五 公安領域

(1)人臉捕獲與跟蹤功能。

(2)人臉識別計算。

(3)人臉的建模與檢索。

公安領域人臉識別產品使用主要體現在兩個方面，一方面是后臺動態人臉識別系統的使用，另一方面是前端人臉識別手持設備及人證對比機的使用。

六 醫療領域

1、社區體檢應用

在社區使用數字化體檢設備(電子血壓計、人體秤、血糖儀等)時把數據傳到數去電子病歷或健康檔案的同時，加上就診者的活體人臉信息之后存儲，就有了真實唯一的身份識別。

在完成唯一身份認證后的每一次記錄都會被記載，這樣可以將就診者情況迅速反饋給醫師及就診者本人，也方便得出最佳的理療方案。

2、二級及以上醫療機構的應用

通過在自助機、窗口、診療室等不同場景設置人臉識別系統，以識別的人臉信息為信息檢索入口，將患者的信息檔案相關聯，然后就可以刷臉調取診療記錄，等。

七 智慧城市領域

1、養老金領取管理

利用人臉識別技術可以有效地進行人員核對，減少養老金的流失。

2、辦稅認證系統

通過人臉識別技術，系統自動將鏡頭攝取人像同公安部門身份信息中的人像進行比對，實時完成實名認證。不僅有效緩解了窗口辦稅人員的壓力，提升了辦稅效率，還增強了實名制辦稅體驗，降低了涉稅風險。

3、嫌疑犯追蹤系統

基于人臉識別技術，對長途客運站、火車站等公共場所進行監控，將視頻中的人臉與疑犯數據庫進行比對，一旦疑犯在人群中被識別出來即刻報警。這就大大減輕了管理人員的工作負荷，提高了抓捕效率，增加了城市的安全性。

4、社區管理系統

在智慧城市中，以城市中最小的單元社區為例，通過非配合式人臉識別，可以幫助物業管理部門在訪客管理、物業通知(水電費通知、車庫信息等)等方面為業主提供更加友好自然的生活體驗。

5、樓宇門禁系統

人臉識別智能門禁系統通過構建具有智能化管理功能的身份識別系統，結合先進的人臉識別算法，能精確、快速地識別人臉并打開門禁，提高了樓宇、家庭的安全。

6、考生身份驗證管理系統

立足考試行業的特殊需求，集計算機、通信、網絡、人臉識別技術、數據庫等多元化技術為一體的應用系統項目，為考試機構提供考生身份證信息提取、身份驗證、管理等功能，構建更為高效、公平的考試環境。

7、駕駛學員的身份信息認證和安全駕駛管理系統

包括到場驗證、學員身份認證、上車下車簽到、駕駛時間的控制等。

8、智能膳食管理系統

系統在學生打飯時進行人臉識別，記錄學生每天進食的菜式，再根據醫院體檢結果對比分析得出膳食調整意見，對于學生單次浪費的食物超過規定值時予以記錄，然后不斷的優化菜品以達到調整和最佳優化學生飲食結構的目的。

9、商業智能分析系統

人臉識別系統能充分利用機器視覺對人臉的特征識別和歸納能力，將客戶的性別、年齡、心情等作為商業需求的對應特征，針對性的實時推送客戶感興趣的內容，為商家進行目標客戶群導流和精準銷售；另一方面，通過對不同人群的興趣內容的觀察和學習，逐步提升對目標人群推送內容的匹配精準度。

七、人臉識別的安全隱患

1、人臉識別主要由兩個環節構成：

一個是人臉比對，即判斷待驗證的人臉是不是本人，二是活體檢測，即判斷待驗證的人臉是不是真實有效的

2、破解方式：

前者的破解非常簡單，有一張本人的照片就可以了，如果這人喜歡發自拍，那就太輕松了，就算不愛發，偷拍一張也不復雜。

第二點的活體檢測本來是最重要的一個環節，但是利用一個很簡單的功能，就被破解掉了。這個功能本來是用在一些美顏相機上的，可以給你的臉上貼一個什么貓胡子之類的扮可愛，現在把頭像照片貼到另一個人臉上，也就可以通過第二道活體檢測了。

就這樣，整個面部識別也就形同虛設了。一個高科技的智能功能，變成了一個不安全的陷阱。

360首席科學家、人工智能研究院院長顏水成表示，隨著人臉識別逐步應用到醫療保險、社會保障福利計劃、鐵路設施接駁和機場安保等多種領域，各大廠商現階段仍然需要對人臉識別進行提防，防止人工智能‘快跑’帶來的安全隱患。

顏院長給出的建議則是，在涉及隱私、支付等高級別安全場景使用時，注意將人臉與聲紋、指紋、虹膜及其他生物認證信號相融合，而不是單一的采用人臉識別技術，這樣安全的系數就會大大提升。

總之，人臉識別是否安全只是一個技術問題，而人工智能等科技領域的安全問題被重視起來，才是最重要的地方。