人臉識別

國家標準化管理委員會發布的《信息技術安全技術生物特征識別信息的保護要求》(征求意見稿)規定的有關標準，生理特征識別主要有指紋識別、指靜脈/掌靜脈識別、掌紋識別、手型識別、DNA識別、聲紋識別、視網膜識別、虹膜識別、人臉識別等九種。

廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉視圖采集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過，人臉進行身份確認或者身份查找的技術和系統。此外，部分應用場景下還可能涉及質量評價、活體檢測等算法模塊。

(1)人臉識別系統將采集到的人臉圖像進行光線、旋轉、切割、過濾、降噪、放大縮小等處理以符合人臉圖像特征提取的標準要求。主要的人臉圖像預處理手段有灰度調整、圖像濾波和圖像尺寸歸一化，其中灰度調整主要用于調整由地點、設備、光照等方面的差異引起的彩色圖像質量的差異；圖像濾波主要是調整噪聲對人臉圖像質量的影響；圖像尺寸歸一化是調整因圖像像素差異而造成的圖像尺寸差異

(2)人臉檢測指人臉識別系統從輸入的圖像中檢測并提取人臉圖像的過程。人臉檢測的作用是精準地描繪圖像資料中人臉的位置和大小，挑選出有用的圖像信息，保證人臉圖像的精準采集

(3)人臉特征提取是對人臉進行特征建模的過程。人臉特征的提取方法可歸納為基于知識的提取方法和基于代數特征的提取方法，其中基于知識的提取方法是根據人臉五官結構特征等表像直接提取人臉特征以建立數據庫，其特點是識別方法簡單、容易理解，系統檢測速度較快，但并未形成統一的提取標準；基于代數特征的提取方法經過特定運算規律抽取人臉特征建立數據庫，人臉識別精度較高，但需要對相應的數據庫進行統計訓練

(4)人臉識別將待識別的人臉特征與數據庫中人臉特征模板進行比較，根據相似程度對人臉的身份信息進行判斷并展示最終識別結果

(5)人臉識別系統辨別采集到的人臉圖像，是來自于真實的人臉還是含有人臉的照片的過程。實際運用中，人臉識別系統一般需要增加活體鑒別環節，例如要求人轉頭，眨眼睛等

(1)萌芽階段20世紀初：高爾頓(Galton)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。這時人臉識別產業發展是心理、認知、生物領域的學者開始著手對人臉識別進行研究；沒有商業化運用。

(2)初始階段(1960年-1990年)：20世紀60年代，人臉識別的工程化應用研究正式開啟，出現了真正與目前的人臉識別技術有較多關聯的研究。產業發展處于半機械識別階段；基本沒有實際應用

(3)突破階段(1991年-1997年)：1991年，著名的“特征臉”方法第一次將主成分分析和統計特征技術引入人臉識別；1993年，人臉識別第一次應用在美國國防部發動的FERET項目。產業發展正以人機交互識別為主；誕生了若干代表性的人臉識別算法；幾乎所有知名的理工科大學和主要IT產業公司都有從事相關研究的研究組。

(4)飛速發展階段(1998年-2014年)：2013年，微軟亞洲研究院的研究者首度嘗試了10萬規模的大訓練數據；2014年，香港中文大學的SunYi等人提出將卷積神經網絡應用到人臉識別上，在LFW上第一次得到超過人類水平的識別精度。深度學習的誕生為機器學習和人臉識別開啟了一個全新的研究領域，幫助實現全自動人臉識別；進一步商業化運用。

(5)商業應用階段(2015年-至今)：人臉識別技術精度遠超人眼；人臉識別進入大規模應用階段。大量人臉識別企業涌現；大規模商業化，運用于安防，金融，交通、警務等領域；市場規模不斷擴大。

在不同的生物特征識別方法中，人臉識別技術有其自身特殊的優勢，因而在生物識別中有著重要的地位。

(1)非侵擾性，人臉識別無需干擾人們的正常行為就能較好地達到識別效果，只要在攝像機前自然地停留片刻，用戶的身份就會被正確識別。

(2)便捷性，人臉識別采集設備簡單，使用快捷。一般來說，常見的攝像頭就可以用來進行人臉圖像的采集，不需特別復雜的專用設備。圖像采集在數秒內即可完成。

(3)友好性，通過人臉識別身份的方法與人類的習慣一致，人和機器都可以使用人臉圖片進行識別。

(4)非接觸性，人臉圖像采集，用戶不需要與設備直接接觸。另外，可以在比較遠的距離進行人臉圖像的采集。裝配了光學變焦鏡頭的攝像頭，焦距可以提高到10倍以上，使景深范圍擴展到50米以外，實現對遠景清晰拍照，有效采集遠處的人臉圖像。

(5)可擴展性，在人臉識別后，通過對識別結果數據進行下一步處理和應用，可以擴展出眾多實際應用方案

(6)隱蔽性強，安全領域對于系統隱蔽性有較強要求，人臉識別在這方面比指紋等方式更具優勢。

(7)強大的事后追蹤能力，系統記錄的人臉信息是非常重要且易于利用的線索，更加有利于進行事后追蹤應用。

(8)準確度高，相比于人體、步態等其特征，人臉特征具備更強的鑒別性與更低的誤報率，所能應用的底庫規模上高出許多，目前超大規模(十億級別)的人臉檢索已經可以實用。

(1)政策——利好政策頻發，規范和助推產業發展：2015年以來，國家密集出臺了《關于銀行業金融機構遠程開立人民幣賬戶的指導意見(征求意見稿)》，給人臉識別技術全面普及應用打開了局面；其后，《安全防范視頻監控人臉識別系統技術要求》、《信息安全技術網絡人臉識別認證系統安全技術要求》相繼出臺，并且于2017年人工智能被首次寫入國家政府報告。隨后2017年12月，《促進新一代人工智能產業發展三年行動計劃(2018-2020年)》正式發布，其中具體規劃到:到2020年，復雜動態場景下人臉識別有效檢出率超過97%，正確識別率超過90%"；。、

(2)經濟——資本與政府科研基金的支持：國家863計劃、國家科技支撐計劃、自然科學基金都撥出了?？钯Y助人臉識別的相關研究。2012-2019年，人臉識別行業共發生80起投融資事件，總金額達337億元，占計算機視覺與圖像投融資金額比重的40%。而且單筆融資記錄不斷被刷新，支持人臉識別企業燒錢進行研發與商業化嘗試。

(3)社會文化——AI人才培養加快腳步：從全球范圍來看，美國是人臉識別研究學者聚集最多的國家，在人臉識別領域的研究占有絕對的優勢；英國緊隨其后，位列第二；中國位列全球第三，占有一席之地。目前，相關人才培養也越來越受到重視。2018年，教育部印發《高等學校人工智能創新計劃》，提出“完善人工智能領域人才培養體系”目標，在2018年首批612個“新工科”研究與實踐項目中，建設了57個人工智能類項目，清北復交浙等多所高校圍繞AI領域設置了二級學科或交叉學科。

(4)技術發展——逐步成熟，仍面臨新的挑戰作為人臉識別的基礎之一，深度學習技術經過多年的發展，已提出了許多深度神經網絡，包括卷積神經網絡、循環神經網絡、玻爾茲曼機、自編碼器和生成對抗網絡，拓展了應用領域。未來，人工智能技術的發展也必將在現有的研究成果上取得更大的進展。有助于提升人臉識別的準確性和速度。然而伴隨各種應用場景的普及與發展，海量多維的數據對AI芯片的計算架構、運算能力、場景與算法適用性、安全可控等都提出新的挑戰，痛點猶存，有待發展。

全球人臉識別市場滲透率快速攀升，產業正進入增長快車道，2020年全球市場規模已突破38億美元；中國市場復合年增長率超過全球平均水平，有望成為全球最大的人臉識別市場。

據國際知名市場研究機構MarketsandMarkets預測，新冠疫情后全球人臉識別市場規模預計將從2020年的38億美元增長至2025年的85億美元，預測期間復合年增長率(CAGR)約為17.2%。安防監控、公共安全、零售與電子商務、金融服務是推動市場增長的重要因素。

2010-2018年，中國人臉識別市場規模逐年增長，年均復合增長率達30.7%。前瞻研究院預計，未來五年中國人臉識別市場規模將保持23%的平均復合增長速度到2024年市場規模將突破100億元，合美金約15.5億美金。人臉識別主要應用領域金融和安防的需求廣闊，我國有望成為全球最大人臉識別市場。

人臉識別作為最受關注的生物特征識別技術，國內外有眾多科研院所、高等院校、企業等機構開展人臉識別相關技術的研究、開發和應用。截止2020年10月，據企查查數據統計，全國共有10443家企業的名稱、產品、品牌、經營范圍涵蓋“人臉識別”，從成立時間來看，近5年相關企業數量不斷劇增，2019年成立了1955家，2020年僅10月前就新增1139家。

(1)安防領域：人臉識別技術廣泛應用于重要場合的安防設施中，如APEC會議、世博會、奧運會以及亞運會的等大型活動現場的安防與安檢，避免事故發生。隨著中國平安城市理念的推進，機場、地鐵站、海關、邊防口岸等運輸樞紐區域亦陸續添置人臉識別應用，如廈門市地鐵管理部門明確提出對地鐵視頻監控系統招標項目的人臉檢測、人臉跟蹤、人臉比對功能的要求；首都國際機場、上海虹橋機場、廣州火車站以及長沙高鐵站等人流密集的綜合交通樞紐站點已采用人臉識別技術進行安檢；新疆、廣東等部分省份的邊檢口岸已采用人臉識別應用防范犯罪分子逃往國外；監獄、看守所等機構采用人臉識別作為門禁，設置逃跑預警功能，防范犯罪分子的越獄。

(2)教育領域：人臉識別技術已廣泛應用于校園安全、考生驗證以及在校人員的監控等教育領域。在校門出入口、學生宿舍出入口、教學樓等重點區域布置人臉識別攝像機，通過人臉識別技術實時檢測和掌握出入人員的身份信息，人臉識別系統一旦發現有嫌疑人員(如被通緝人員、小偷慣犯等)就會立刻自動報警并提示安保人員前往處理。浙江信息工程學院在2014年11月將人臉識別系統用于校園寢室管理，自動錄入學生日常出入信息并傳到監控終端，管理寢室的工作人員通過人臉識別系統可隨時掌握學校寢室入住的情況。浙江師范大學、東北大學等高校也于2015年陸續將人臉識別技術融入智慧校園系統。2016年高考，北京、四川、湖北、廣東、遼寧、內蒙古等省份采用了“人臉識別+指紋識別”的生物識別技術確認高考考生身份。

(3)金融領域：人臉識別技術在金融領域的應用較為普遍，靜態人臉識別的主要應用場景包括遠程在線開戶、在線支付認證、柜臺身份驗證、移動身份驗證、自助發卡機遠程審核等。動態人臉識別主要應用于銀行營業網點的安防監控上，用于排查可疑人員及識別VIP人員。眾多銀行機構如中國銀行、工商銀行、建設銀行、平安銀行、招商銀行等已將人臉識別產品引入各個業務環節。

參考資料：

智慧芽：2021人臉識別行業白皮書（69頁）.pdf

頭豹研究院：2020年中國人臉識別市場報告（22頁）.pdf

中國電子技術標準化研究院：2020年人臉識別行業研究報告（56頁）.pdf

中國電子技術標準化研究院：人臉識別數據安全標準化研究報告（2021版）（30頁）.pdf

人的視覺感知技術：人臉關鍵點、手部姿態估計、人體深度估計.pdf