热点 | 高校新生报到“刷脸”注册，人脸识别那些事儿

高校新生报到“刷脸”注册，人脸识别那些事儿

人脸识别技术的不断突破，是人工智能领域发展的一大进步。近年来，随着科技与生活的关系变得愈加紧密，人脸识别技术也被逐渐引入到了各大行业。

就在近日，各大高校迎来新生报到，人脸识别技术成了今年开学季的亮点之一。北京师范大学就采用了这项技术来完成新生报到注册工作，并被网友调侃这是一所“看脸”的大学。人脸识别是什么？目前有那些应用实例？还有存在哪些问题？

什么是人脸识别

人脸识别技术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，包括人脸图像采集、人脸定位、人脸识别预处理、记忆存储和比对辨识，达到识别不同人身份的目的。

人脸识别的过程其实并不复杂。首先是人脸检测，即判断输入图像中是否存在人脸，如果有，便给出每个人脸的位置、大小。

其次是面部特征定位，即对找到的每个人脸，检测其主要器官的位置和形状等信息；最后进行人脸比对，根据面部特征定位的结果，与库中人脸对比，判断该人脸的身份信息。

与传统的身份鉴定方式相比，人脸识别的最大特点就是更具安全、保密和方便性。

人脸识别独具的活性判别能力，保证了他人无法以非活性的照片、木偶、蜡像乃至人头欺骗识别系统，无法仿冒。此外，人脸识别速度快，不易被察觉。

与其他生物识别技术相比，人脸识别属于一种自动识别技术，一秒时间内可以识别好几次。它采用非接触式采集，没有侵犯性，容易被接受。而指纹采集，掌纹识别通常给人造成不适的感觉。

应用实例

从应用的角度，人脸识别包括两大类： 

1、人脸身份识别：即根据人脸图像识别出人物的身份，解决是谁的问题；

 2、人脸身份确认/验证：判断图像中的人脸是否是指定的人，即解决是不是某人的问题

  人脸识别技术具有广泛的应用前景，在国家安全、军事安全和公共安全领域，智能门禁、智能视频监控、公安布控、海关身份验证、司机驾照验证等是典型的应用；在民事和经济领域，各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证，社会保险人的身份验证等具有重要的应用价值；在家庭娱乐等领域，人脸识别也具有一些有趣有益的应用，比如能够识别主人身份的智能玩具、家政机器人，具有真实面像的虚拟游戏玩家等等。让我们来看看些具体的实例。

春运检票

2017春运大潮，当大家乘坐火车回家，首先能够切身感受到的就是检票环节与以往大不同，在北京西客站等其他全国重点城市为例，今年首次大范围实现了人脸识别的“刷脸”进站，除去传统通道，进站新增多部无人验证闸机，通过居民二代身份证验证，即可完成进站候车，节省了人力物力，实实在在的让人脸识别技术在铁路交通应用中大放异彩。

电话实名

随着移动互联网和云计算产业的迅速发展，当人们在享受互联网带来便利的同时，面临着个人信息泄露的风险，对传统人证合一身份验证业务建设模式提出了更高要求。中国移动为了保证“真实名”，严格执行新入网的实名登记管理要求，在实体渠道全部配备二代证读取设备现场核验身份信息，未具备身份证芯片信息读取设备的网点不允许售卡，看来“人证合一”的实名验证将越来越常规化。

人证合一

抑制不法分子骗取、虚开、代开发票现象工作压力巨大，肉眼鉴别身份存风险，传统工作模式和技术手段难以支撑。针对此，国内新兴的人工智能公司--广东微模式软件公司，率先将人脸识别和证件（身份证）识别技术合二为一，推出了”人证合一“系统，通过对纳税人身份证及人像信息进行采集、比对、鉴别以及对办税过程实现了人、证、像同步验证及记录，为实名办税业务提供安全保障。降低了利用假证、盗取他人证件办理业务以及因肉眼鉴别身份局限性所带来的风险，从源头上控制了不法分子骗取、虚开、代开发票的现象。

此外，国外多个知名银行早就将自动目标识别与图像处理运用在银行环节中，而国内还处于方兴未艾阶段。微模式公司洞悉这一趋势，将OCR技术产品应用于金融行业票据凭证自动处理与识别、互联网金融中的身份验证与信息安全。在银行的远程开户业务中，人脸识别技术再次被应用和证件识别一起，完成了身份验证过程，保证了金融安全。

信维定制GPU服务器进击人工智能

近日，信维股份成功中标国内某人工智能企业，提供了高品质的定制服务器产品。该公司是一家专注于计算机视觉和深度学习原创技术的人工智能企业，该公司的图像识别系统在国内乃至全球生根发芽，其技术产品覆盖视频拍摄、图聊软件、金融、安防、地图测绘、刑侦等多个领域。

“刷脸”技术在新闻领域的应用

早在2015年的 “两会”，“刷脸”技术就已经在新闻中有了应用。此次“两会”可以说是一次全新媒体的亮相，不仅运用了多种科技手段，更打破了原有会议手工签到的形式，启用面部识别技术，每位参会嘉宾在报到时，都将通过图像拍摄技术，获得现场即时打印的嘉宾证件。

刷脸支付

中国东部城市杭州的一家肯德基分店使用人脸识别技术，让顾客“刷脸支付”订单。顾客在店内点餐机上点餐完毕，凭刷脸即可完成支付。

当顾客前来KPRO餐厅，进门入口出即可见三台点餐机。顾客点开大屏，点餐页面和手机扫桌面码的页面一样。点餐完毕后，立即可进入到人脸识别支付界面。

人只需站在点餐机前，机器上方的摄像头，会自动捕捉顾客面部并秒算成功。然后顾客输入手机号，确认完毕即支付完成。

2015年，马云刷脸在淘宝上买下汉诺威展邮票、2017年北京马拉松赛事刷脸起跑、登机时用刷脸进行身份检测......“刷脸场景”火遍大江南北，人脸识别类应用已经被频繁应用。

人脸识别技术应用的担忧

 一、网上人脸识别的技术可行性问题

人脸识别率 受多种因素影响，现有的人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果。

但是，在用户不配合、采集条件不理想的情况下，现有系统的识别率将陡然下降。人脸识别技术远未达到实用水平，还存在着诸多的挑战性问题需要解决。

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。

比如上面这张图片里，上排是原始的图像，下排是通过图像处理（把表情进行校正）之后的图片——嘴巴合上了，姿态转成了正面。从人的视觉上看上去可能会觉得人脸变得比较怪异，但是计算机主要是通过面部区域进行识别的，所以校正后的识别率会得到非常明显的提升。

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。

以模仿某个明星为目标的化妆、整容等人为因素加大了这个问题的难度。尤其是双胞胎的问题，人脸识别系统究竟能不能正确的识别出来，这个其实在学术界也是有争论的。有专家认为双胞胎根本不应该靠人脸识别技术进行分辨，它是没法用人脸识别技术来准确进行区分的。

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.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。

9.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。

二、人脸识别技术缺乏理论基础

目前并没有可靠的理论基础，也没有权威的实验证明是否任意两个人的脸是不同的。

 我们经常在单位门禁、考勤设备中看到人脸识别技术的应用，但是一般单位才多少人？放到海量用户的背景下，这个经验还成立吗？

 历史上最著名的人脸误判案例可能是1903年在美国堪萨斯州发生的William West-Will West案件[2][3]。当时一个名为威尔•韦斯特（Will West）的犯人正要被收押进莱文沃思（Leavenworth）监狱。监狱职员看他面熟，问他以前是否来过这里，威尔说没有。

接着职员调出了William West的照片给威尔看，威尔说：“这的确是我，可是你们是怎么拿到这张照片的呢？以前我从未到这儿来过。”从此，从美国开始，各国监狱和司法系统开始用指纹进行罪犯身份登记和管理。

三、网上人脸识别的安全性问题

一个人具有生物特征，包括人脸、指纹、虹膜、DNA等，这些特征在一起，可以确定我们的身份，但是当这些特征被各种传感器信息化提取后放到互联网上，就成了生物特征信息。

生物特征信息能不能证明自己的身份，就要看这个提取过程是否安全，会不会被复制、伪造、合成?在网上使用人脸识别的过程中，面部信息被存留怎么办？采集的面部信息被盗取怎么办？ 2011年，csdn密码泄露（据说还有人人、天涯、开心网），结果全国网民纷纷改密码，如果有一天，我们的人脸库泄露了，我们该怎么办？换脸吗？

大型公司聚集了海量用户，在通过开放平台为这些用户提供和接入更多的互联网服务时，不可避免的要介入一些传统法定身份识别要求的领域，如银行开户，政务民生，国内在网上法定身份的识别方面技术和业务的不明确，导致各类网上账户身份识别技术向网上法定身份识别业务发起挑战。

对法定身份的识别，应该严肃对待，毕竟应用范围广，影响大，涉及国家行为，要做充分考虑，一个处理不慎，就会导致全局的风险，甚至影响公共安全和国家安全。（身份一词在汉语中有多种解释，抛开职务、学历、职称的属性信息，在信息安全领域，常见的就有账户身份识别和法定身份识别两种，举例来说，就是工作证和身份证的区别。）

例如  ：

3D建模轻松破解支付宝人脸识别

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。

     面部表情建模破解活体检测 

还有一个最近发生的事例，也反映这项技术存在的安全隐患：

最近有许多苹果手机用户反映，自己接到了陌生人发来的 FaceTime 视频邀请，目的之一就是截取面部画像，破解人脸识别系统。

目前一些支付APP采用了“人脸识别”生物识别技术，让用户直接“刷脸”支付，而不法分子利用FaceTime录制用户脸部视频，借以通过“人脸识别”验证，进而盗取用户的支付账户的财产。

此外，不法分子还可能利用截取的用户视频图像，通过其社交资料，向亲朋好友发送诈骗信息，骗取钱财。 

四、隐私保护问题   

这个问题事关你我。   

现在网络上各类隐私信息泄露已呈泛滥趋势，有人说面部信息不是隐私，那宾馆不能把酒店住客的监控录像放到网上?如果宾馆不可以，那能不能在大街上每个单位门口按一个摄像头？Google地图中为什么要给面部打码？显然面部信息也是个人隐私，人脸识别技术的应用，不可避免带来人脸信息这方面的隐私保护问题。

生物识别因其不易更改性，不满足一般访问控制机制里对身份识别凭证能定期更改以降低风险的要求，大规模运用到身份识别需谨慎。