人脸识别技术及应用概览

科技的发展正在加速改变我们的生活。以前，我们购物埋单时，收银员会问“现金还是刷卡”，现在，这句话则变成了“微信还是支付宝？”以前，我们上街要带现金，后来变成带卡，现在只需带手机。

然而，你想过没有？未来某一天，我们上街连手机都不用带了，只要“带脸”就行。因为，我们正在迈向“刷脸时代”。到时，把你的所有信息、财产都跟你的脸绑定了，出门“刷脸”就行。今天，我们就来详细了解一下人脸识别技术：

人脸识别概述

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。

生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等。

相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。

三大关键技术

1、基于特征的人脸检测技术

通过采用颜色、轮廓、纹理、结构或者直方图特征等进行人脸检测。

2、基于模板匹配人脸检测技术

从数据库当中提取人脸模板，接着采取一定模板匹配策略，使抓取人脸图像与从模板库提取图片相匹配，由相关性的高低和所匹配的模板大小确定人脸大小以及位置信息。

3、基于统计的人脸检测技术

通过对于“人脸”和“非人脸”的图像大量搜集构成的人脸正、负样本库，采用统计方法强化训练该系统，从而实现对人脸和非人脸的模式进行检测和分类。

四大特征

1、几何特征

从面部点之间的距离和比率作为特征，识别速度快，内存要求比较小，对于光照敏感度降低。

2、基于模型特征

根据不同特征状态所具有概率不同而提取人脸图像特征。

3、基于统计特征

将人脸图像视为随机向量，并用统计方法辨别不同人脸特征模式，比较典型的有特征脸、独立成分分析、奇异值分解等。

4、基于神经网络特征

利用大量神经单元对人脸图像特征进行联想存储和记忆，根据不同神经单元状态的概率实现对人脸图像准确识别。

十大难点

1、光照问题

光照变化是影响人脸识别性能的最关键因素，对该问题的解决程度关系着人脸识别实用化进程的成败。由于人脸的3D结构，光照投射出的阴影，会加强或减弱原有的人脸特征。尤其是在夜晚，由于光线不足造成的面部阴影会导致识别率的急剧下降，使得系统难以满足实用要求。

同时，理论和实验还证明同一个体因光照不同引起的差异，大于同一光照下不同个体之间的差异。光照问题是机器视觉中的老问题，在人脸识别中的表现尤为明显。解决光照问题的方案有三维图像人脸识别和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。

2、姿态问题

人脸识别主要依据人的面部表象特征来进行，如何识别由姿态引起的面部变化就成了该技术的难点之一。姿态问题涉及头部在三维垂直坐标系中绕三个轴的旋转造成的面部变化，其中垂直于图像平面的两个方向的深度旋转会造成面部信息的部分缺失。使得姿态问题成为人脸识别的一个技术难题。

针对姿态的研究相对比较的少，目前多数的人脸识别算法主要针列正面、准正面人脸图像，当发生俯仰或者左右侧而比较厉害的情况下，人脸识别算法的识别率也将会急剧下降。

3、表情问题

面部幅度较大的哭、笑、愤怒等表情变化同样影像着面部识别的准确率。现有的技术对这些方面处理得还不错，论是张嘴还是做一些夸张的表情，计算机都可以通过三维建模和姿态表情校正的方法把它纠正出来。

4、遮挡问题

对于非配合情况下的人脸图像采集，遮挡问题是一个非常严重的问题。特别是在监控环境下，往往被监控对象都会带着眼镜、帽子等饰物，使得被采集出来的人脸图像有可能不完整，从而影响了后面的特征提取与识别，甚至会导致人脸检测算法的失效。

5、年龄变化

随着年龄的变化，一个人从少年变成青年，变成老年，他的容貌可能会发生比较大的变化，从而导致识别率的下降。对于不同的年龄段，人脸识别算法的识别率也不同。

这个问题最直接的例子就是身份证照片的识别，在我国身份证的有效期一般都是20年，这20年间每个人的容貌必然会发生相当大的变化，所有在识别上也同样存在很大的问题。

6、人脸相似性

不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。

7、动态识别

非配合性人脸识别的情况下，运动导致面部图像模糊或摄像头对焦不正确都会严重影响面部识别的成功率。在地铁、高速公路卡口、车站卡口、超市反扒、边检等安保和监控识别的使用中，这种困难明显突出。

8、人脸防伪

伪造人脸图像进行识别的主流欺骗手段是建立一个三维模型，或者是一些表情的嫁接。随着人脸防伪技术的完善、3D面部识别技术、摄像头等智能计算视觉技术的引入，伪造面部图像进行识别的成功率会大大降低。

9、图像质量问题

人脸图像的来源可能多种多样，由于采集设备的不同，得到的人脸图像质量也不一样，特别是对于那些低分辨率、噪声大、质量差的人脸图像（如手机摄像头拍摄的人脸图片、远程监控拍摄的图片等）如何进行有效地人脸识别是个需要关注的问题。

同样的，对于高分辨图像对人脸识别算法的影响也需要进一步的研究。现在，我们在人脸识别时，一般采用的都是相同尺寸，清晰度很接近的人脸图片，所以图像质量问题基本可以解决，但是面对现实中更加复杂的问题，还需要继续优化处理。

10、样本缺乏

基于统计学习的人脸识别算法是目前人脸识别领域中的主流算法，但是统计学习方法需要大量的训练。由于人脸图像在高维空间中的分布是一个不规则的流形分布，能得到的样本只是对人脸图像空间中的一个极小部分的采样，如何解决小样本下的统计学习问题有待进一步的研究。

此外，现在参与训练的人脸图像库基本都是外国人的图像，有关中国人、亚洲人的人脸图像库少之又少，给训练人脸识别模型增加了难度。

人脸识别应用维度

1、动态场景两个维度

第一，1:1。1:1的定义是一个判断的作用，应用的场景其实是在金融和人证，特点是更加的精准和安全，所以现在大家不管是支付宝还是银行的人证比对、实名的业务，基本上都会用到1:1人脸的识别。

第二，1:N。1：N更多的是在一个数据库当中或者是一个底库当中，能够找到这个人是不是在底库当中的人，所以是个识别的过程，是一个动态的，还是一个非配合的场景。

比如说在安防当中我去缉拿逃犯，我去抓到逃犯总不能让逃犯看到摄象头。在商业场景当中也不可能让我们的VIP客户、员工、会员对着摄象头做着一遍操作，所以是动态和非配合的场景。

2、业务场景四个维度

第一，盘子足够大，能够支撑公司的长远发展。

第二，数据回流。

第三，是否是高频的场景和高频的使用。

第四，是否可复制，可否从1+0转变到1+N的方式，提高效率。

3、可视化系统三个维度

第一，人员通行管理。

第二，传感网络的融合。

第三，商业地产+新零售整体的融合部分。

人脸识别应用领域

应用领域：金融、司法、安保、边检、航天、电力、教育、医疗，等。

商业化四大潜力：闸机、交通、银行、手机

具体应用场景概述 一金融领域

1、人脸识别自主终端

人工审核、自主开卡、业务变更、密码重置，等一些个人业务。

2、移动金融、销售

远程身份核实验证，两个方面：用户身份的核实及金融机构的上门办理业务所需的带有人脸识别系统的便携式设备。

3、柜面系统

人脸联网核验，用于银行、保险、证券等金融机构的柜面开户，等业务。

二国内机场应用

三大关键点：首次尝试、登机、全面智能化

标志性事件：

1、2009年北京首都机场的首次尝试是国内机场开始认识人脸识别技术的第一步，而限于当时人脸识别技术的水平，不得不采用磁卡进行交叉验证，确保身份的唯一性。在识别速度及准确率上，当时的人脸识别技术与深度学习介入后的人脸识别技术不在一个水平上。

2、2014年南京禄口机场首次尝试将人脸识别技术应用在登机上，虽然同样受限于当时的技术商业落地的水平，无法实现自助通关，却为接下去的应用提供了借鉴的想法和经验。

3、2016年12月，银川机场的全面智能化，标志机场智能化水平进入到一个新的阶段。除了安检通关和自助登机，人脸识别及相关的计算机视觉技术被应用到动态布控、人流引导、智慧航显、VIP迎宾、轨迹检索、保洁提醒等多个方面，为2017年人脸识别技术在机场应用的爆发打下了良好的基础。

南航----国内首家运用人脸识别技术的航司

CZ3384成为第一个应用新技术登机的航班。旅客无需手持登机牌，刷脸即可快速通过登机口。

三中国式过马路问题

①用上人脸识别，解决成本难题。

②坚持依法行政，防止法外之罚。

③解决路权冲突，避免运动执法。

实例：据济南警方介绍，人脸识别系统主要用于抓拍闯红灯的行人和非机动车驾驶者，在晚上也能清晰成像。行人被“抓了现行”，闯红灯的短视频和放大后的头像将直接曝光在路口的显示屏上，呈现在公众面前。

此外，这套设备还与居民身份信息系统相连，通过人脸识别出的违法者姓名、身份证号码等个人信息，也将显示在电子屏上。

济南启用人脸识别系统后，一个月共抓拍6200多起行人和非机动车闯红灯违法行为。有了“黑科技”的威慑，闯红灯的行为得到了有效遏制，有一个路口每天闯红灯的人次从逾百次降到了十几次。

在重庆江北，人脸识别系统试运行以来，行人过街守法率从60%上升到97%以上。

隐患：个人信息公之于众，牵扯到泄露个人隐私的问题。专家建议，对于人脸识别等信息采集行为，要提前向社会进行公告，告知公众已进入公共信息采集区域，违法行为将被拍摄并曝光，这样既满足了群众的知情权，也起到警示提醒作用;对采集的信息，要进行适当技术处理，对于不宜公开的隐私，应当遮蔽或不予公开。

根本：受访专家表示，由于交通设施的设置不合理导致的过马路难，往往是导致行人闯红灯的更主要原因。有的城市道路路网规划不合理，注重主干路建设，支路和次干路密度达不到要求，导致行人和非机动车都被汇集到主干路上；有的路口红绿灯时间分配不合理，若是按规则过马路，就得有足够强的耐心和足够快的速度。只有综合治理，解决好人与车“路权”冲突，才能从根本上破解“中国式过马路”。

四教育领域

考生身份认证识别、校园、宿舍出入管理等场景。

实例：2016年高考，已有北京、四川、湖北、广东、辽宁、内蒙古等多省采用“人脸识别+指纹识别”的生物识别技术确认考生身份，防止替考、作弊事件发生。

伴随试点区域及各领域案例的拓展及运营模式的成熟，行业报告研究院预计2017年人脸识别有望迎来大规模普及。

五公安领域

（1）人脸捕获与跟踪功能。

（2）人脸识别计算。

（3）人脸的建模与检索。

公安领域人脸识别产品使用主要体现在两个方面，一方面是后台动态人脸识别系统的使用，另一方面是前端人脸识别手持设备及人证对比机的使用。

六医疗领域

1、社区体检应用

在社区使用数字化体检设备（电子血压计、人体秤、血糖仪等）时把数据传到数去电子病历或健康档案的同时，加上就诊者的活体人脸信息之后存储，就有了真实唯一的身份识别。在完成唯一身份认证后的每一次记录都会被记载，这样可以将就诊者情况迅速反馈给医师及就诊者本人，也方便得出最佳的理疗方案。

2、二级及以上医疗机构的应用

通过在自助机、窗口、诊疗室等不同场景设置人脸识别系统，以识别的人脸信息为信息检索入口，将患者的信息档案相关联，然后就可以刷脸调取诊疗记录，等。

七智慧城市领域

1、养老金领取管理

利用人脸识别技术可以有效地进行人员核对，减少养老金的流失。

2、办税认证系统

通过人脸识别技术，系统自动将镜头摄取人像同公安部门身份信息中的人像进行比对，实时完成实名认证。不仅有效缓解了窗口办税人员的压力，提升了办税效率，还增强了实名制办税体验，降低了涉税风险。

3、嫌疑犯追踪系统

基于人脸识别技术，对长途客运站、火车站等公共场所进行监控，将视频中的人脸与疑犯数据库进行比对，一旦疑犯在人群中被识别出来即刻报警。这就大大减轻了管理人员的工作负荷，提高了抓捕效率，增加了城市的安全性。

4、社区管理系统

在智慧城市中，以城市中最小的单元社区为例，通过非配合式人脸识别，可以帮助物业管理部门在访客管理、物业通知（水电费通知、车库信息等）等方面为业主提供更加友好自然的生活体验。

5、楼宇门禁系统

人脸识别智能门禁系统通过构建具有智能化管理功能的身份识别系统，结合先进的人脸识别算法，能精确、快速地识别人脸并打开门禁，提高了楼宇、家庭的安全。

6、考生身份验证管理系统

立足考试行业的特殊需求，集计算机、通信、网络、人脸识别技术、数据库等多元化技术为一体的应用系统项目，为考试机构提供考生身份证信息提取、身份验证、管理等功能，构建更为高效、公平的考试环境。

7、驾驶学员的身份信息认证和安全驾驶管理系统

包括到场验证、学员身份认证、上车下车签到、驾驶时间的控制等。

8、智能膳食管理系统

系统在学生打饭时进行人脸识别，记录学生每天进食的菜式，再根据医院体检结果对比分析得出膳食调整意见，对于学生单次浪费的食物超过规定值时予以记录，然后不断的优化菜品以达到调整和最佳优化学生饮食结构的目的。

9、商业智能分析系统

人脸识别系统能充分利用机器视觉对人脸的特征识别和归纳能力，将客户的性别、年龄、心情等作为商业需求的对应特征，针对性的实时推送客户感兴趣的内容，为商家进行目标客户群导流和精准销售；另一方面，通过对不同人群的兴趣内容的观察和学习，逐步提升对目标人群推送内容的匹配精准度。

关于人脸识别不安全

1、人脸识别主要由两个环节构成：

一个是人脸比对，即判断待验证的人脸是不是本人，二是活体检测，即判断待验证的人脸是不是真实有效的。

2、破解方式：

前者的破解非常简单，有一张本人的照片就可以了，如果这人喜欢发自拍，那就太轻松了，就算不爱发，偷拍一张也不复杂。

第二点的活体检测本来是最重要的一个环节，但是利用一个很简单的功能，就被破解掉了。这个功能本来是用在一些美颜相机上的，可以给你的脸上贴一个什么猫胡子之类的扮可爱，现在把头像照片贴到另一个人脸上，也就可以通过第二道活体检测了。

就这样，整个面部识别也就形同虚设了。一个高科技的智能功能，变成了一个不安全的陷阱。

360首席科学家、人工智能研究院院长颜水成表示，随着人脸识别逐步应用到医疗保险、社会保障福利计划、铁路设施接驳和机场安保等多种领域，各大厂商现阶段仍然需要对人脸识别进行提防，防止人工智能‘快跑’带来的安全隐患。

颜院长给出的建议则是，在涉及隐私、支付等高级别安全场景使用时，注意将人脸与声纹、指纹、虹膜及其他生物认证信号相融合，而不是单一的采用人脸识别技术，这样安全的系数就会大大提升。

总之，人脸识别是否安全只是一个技术问题，而人工智能等科技领域的安全问题被重视起来，才是最重要的地方。