人臉識別技術

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。人臉識別是生物識別技術的一種，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。通常采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。

根據中國電子技術標準化研究院發布的《2020年人臉識別行業研究報告》，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。

人臉識別的應用模式主要包括三種:

1）人臉驗證（Face Verification):判定兩張人臉圖像是否屬于同一個人，常用于身份認證如人證核驗。

2）人臉辨識(Face ldentification):給定一張人臉圖像，判斷是否在注冊庫中，若在則返回具體的身份信息，常用于靜態檢索或動態布控。

3)人臉聚類(Face Clustering) :給定一批人臉圖像，將相同人的圖像歸類到同一-個類，不同人的劃分為不同的類，常見的應用有智能相冊、一人一檔等。

(1)非接觸性。

被識別主體不需要和識別設備直接進行接觸就能獲取人臉圖像信息，當主體面部進入到攝像設備可捕捉的范圍時即可以被自動識別，可接受度比較高。而多數生理特征識別技術都需要被識別主體與識別設備接觸來進行有關操作，比如指紋識別、掌紋識別等都對客觀條件有嚴格要求。

(2)便捷性。

該技術對個體的配合度相對沒有那么高，每個人在不知覺的狀態下就被獲取了人臉信息，而其他技術幾乎都需要個體的配合才能完成對其生理特征的提取。比如DNA識別技術容易出現檢材污染等意外情況，這主要就是因為個體的配合不當而影響結果的準確性。

(3)隱蔽性。

人臉識別中運用的設備主要是各式各樣的攝像頭，一部分高科技攝像頭既能清晰的捕捉人像信息，又能做到體積小巧玲瓏，不易被發覺。因此在一些場合中，只要被識別主體出現在攝像頭的捕捉范圍內，人臉數據的收集工作就已經完成了。不被個體察覺就可以主動獲取人臉信息的人臉識別技術，天然具有一定的隱蔽性。

(4) 性價比高。

該技術可以在同一時段對多人進行人臉圖像的收集比對，工作效率高，對于服務的雙方都能提供方便。而且與其他技術進行橫向比較，從設備成本、采集效率和循環使用次數來看，人臉識別技術的性價比是非常高的，適合大范圍內推廣使用。

(5) 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，無需擔心被識別者是否愿意將手放在指紋采集設備上，他們的眼睛是否能夠對準虹膜掃描裝置等等。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。

(6)可擴展性

在人臉識別后，下一步數據的處理和應用，決定著人臉識別設備的實際應用，如應用在出入門禁控制、人臉圖片搜索、上下班刷卡、恐怖分子識別等各個領域，可擴展性強。

一個完整的人臉識別系統包含五個步驟，人臉圖像采集、人臉檢測、人臉對齊、人臉特征提取和人臉特征匹配識別。要做好一個效果完美的人臉識別系統，涉及到的每一個步驟都是一項有意義的挑戰，每一個步驟都會間接影響到最終的人臉識別準確率。只有每一個步驟都做好，才會使最后的人臉識別效果好，如何去完善每個步驟綜合的去提高最終人臉識別準確率，是一項有挑戰性并且具有特殊意義的工作

(1)人臉檢測

這一步驟是用于確定采集來的圖像中人臉的大小和位置，過濾掉除了人臉其他無用的圖像信息，可以避免無用信息對后期人臉識別效果的影響。人臉檢測在理想圖像的情況下，檢測的準確率會很高，但是如果遇到光照的變化、表情的變化、姿態的變化和遮擋會影響檢測效果，在這一方面，有很多工作需要做，如進行圖像增強工作，增強人臉檢測算法的泛化能力。在人臉識別方法圖像預處理中會使用到MTCNN人臉檢測算法。

(2)人臉對齊

通過MTCNN算法檢測后，可以得到人臉圖像中的面部特征關鍵點位置信息，如眼睛的位置、鼻子的位置和嘴巴的位置。根據檢測得來的特征點位置信息來計算臉的傾斜角、旋轉角和俯仰角來判斷臉部的傾斜狀態，利用這些特征關鍵點位置信息進行仿射變換，將人臉圖像調整為水平正視圖，以保證所提取人臉特征向量的表達能力。

(3)人臉特征提取

人臉特征，也稱為人臉表征，在數學領域中可以用向量來表示一張完整人臉圖像的特征信息。在基于深度學習的人臉識別方法中，對人臉圖像進行特征提取前，需要設計合理的網絡結構并選用合理的損失函數和大量的人臉樣本數據進行訓練，得到可以提取人臉特征的特征提取網絡模型。在提取特征時，輸入一張完整人臉圖像，通過一層層卷積操作，最后可以得到表示輸入人臉圖像的特征向量。

(4)人臉識別

人臉識別就是把提取到的人臉圖像的特征向量與人臉數據庫中存儲的人臉特征模板進行匹配，通過余弦相似度或者歐氏距離來判斷兩張人臉的相似度，從而進行人臉識別。余弦相似度越大或者歐式距離越近說明兩張人臉的相似度越高。在人臉識別任務中，通常分為兩種模型，一種是1:1識別模式，另一種是1:N識別模式。1:1模式是進行人臉對比識別任務，通過對兩張人臉圖像對比，來判定是否是同一人。1:N模式是進行人臉搜索識別任務，提取需要判定的人臉圖像的特征向量，與人臉庫中已經存儲好的人臉特征向量比對，通過設置一定的閾值，計算余弦相似度或者歐氏距離，找到相似度最高的一張人臉，進行身份識別^[1]

人臉識別技術在持續不斷地創新發展過程里，識別的精準性在日益創新高，使用的場景也越來越多，很多政府部門也開始嘗試使用該技術，從而大大提高了社會管理的效率。隨著人臉識別技術被社會各個領域大力使用，數據可以隨處產生，如刑事偵查、金融、交通出行、門禁管理、信息安全等領域的應用。

(1) 刑事偵查領域

在我國的執法部門在大規模運用人臉識別技術大后，提高了成功抓捕到犯罪嫌疑人的效率。例如，公安機關在追捕潛藏多年的逃犯中，利用天眼系統中的人臉識別技術，即使其遮擋面部或是易容，仍舊可以將其識別出并逮捕歸案。無獨有偶，在逃犯即使做過專業的整容、或是由于年紀衰老之后，面部有些許改變，雖與通緝照片上的對比存在著不同，此時人臉識別技術的優勢就能夠體現出來，在經過分析與對比之后，精確識別出犯罪嫌疑人。人臉識別技術大大提高了公安機關成功抓捕到犯罪嫌疑人的效率，在我們熟知的范圍中極大的保障了社會秩序穩定與繁榮。

(2)金融領域

金融系統中，該技術在提升業務效率與安保預警方面作用十分突出。以商業銀行系統為例，人臉識別技術幾乎運用在每個環節中。無論是最基礎的開卡銷戶、轉賬業務、提升金融增值服務、保障交易安全等過程中，都能有效防控風險。銀行作為金融機構，有著對公眾交易往來過程中安全保障的義務與防欺詐的提醒警示義務。因此，銀行通過人臉識別技術能夠對可疑人員的人臉信息與公安系統中數據庫作比對，及時發出預警系統，將危險扼殺在搖籃中。比如精確識別在銀行周邊的扒竊慣犯、反復“踩點”等可能威脅他人人身與財產安全的危險人物。同時，在提升業務效率方面，人臉識別技術能夠極大地縮短業務辦理流程，方便用戶辦理業務體驗。比如在以往辦理業務過程中，用戶需要經過冗長的排隊等待與身份識別驗證后，才能進行后續業務辦理。而現今各大銀行都在各分支機構中設立業務一體化機器柜臺，通過人臉識別技術能夠使個人業務中經常出現的掛失辦卡、密碼遺忘找回等問題快速解決。

(3)交通出行領域

在交通管制方面，國家開始施行機動車禮讓斑馬線上行人的規定，同時通過該技術針對違規車輛刻意違規做出實時監控，對于在特點地點不禮讓行人的違規車輛，人臉識別技術能夠將自動根據車輛駕駛人的身份進行自動鎖定，并對交通違法行為進行處罰，有效地減少了交通事故的發生率與真實區別駕駛人與車輛牌照持有人不一致的情形。而在出行領域，機場通過人臉識別技術來驗證乘客信息，這在提高機場工作人員安檢效率的同時也緩解了人工壓力。實踐中同樣證明，在乘坐飛機、高鐵時僅僅使用身份證與人臉核對通過安檢系統，能夠極大緩解旅客在旅游黃金周、春運等時期的乘車壓力。

(4)門禁管理領域

現如今，很多公司和學校已將人臉識別技術投入使用。門禁制度之前無論是專門的安保人員亦或是刷卡進出都有被冒用的可能，公司上下班考勤或學?；诎踩芾淼男枰?，都積極引入人臉識別技術。該技術的廣泛運用不僅能夠成功地解決被盜用卡或者趁安保人員不備進入公司或學校的安全風險，而且不會降低通過進出的時間，更加利于公司與學校的管理。例如，在高校的宿舍樓大廳設置的人臉識別機制很大程度上能夠降低外來人員的安全風險，同時提升宿管人員的管理效率。

(5)信息安全領域

在電子政務和電子商務方面，電子商務全線交易都在網上完成，使得交易方式、雙方人員、交易記錄等都能清楚明了的對應，在商務往來過程中能夠提高效率且降低交易風險。與此同時，政府相關部門為便捷民眾辦事，設置了網上辦事服務政務平臺。電子政務平臺的使用過程中，離不開人臉識別技術的加持。以前民眾需要在政務大廳排隊并通過輸入身份證號碼與密碼進行辦理，如今只需簡單的“掃一掃”就能快速完成身份識別，在提升效率的同時也保證了電子政務的可靠性^[2]

自高爾頓(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以來，人臉識別就處于高速發展階段，如今的人臉識別技術精度遠超人眼，已經進入大規模應用階段

最近這些年以來，人臉運用技術適用的范圍不斷擴大，其發展具有以下特征：

(1)應用門檻不斷降低。得益于數據基礎的不斷積累、技術水平的飛速發展以及各種場景的不斷運用，再有算法技術的開源和免費化加持，以及從業人員數量擴大與研究的拓展，當下有關人臉識別技術運用的成本減低，從而應用門檻也逐漸變低。另外，人們的日常休閑活動同樣使得面部信息的收集的門檻變得更低。例如換臉應用，通過隱私交換便利甚至娛樂的現象非常普遍。再如百度錢包、支付寶等相關應用，企業依靠刷臉支付相關技術，將人臉識別應用于用戶功能中，使用戶想要享受相關服務，就必須出讓其面部信息，企業因此得以收集到更多的個人信息。

(2)應用該技術帶來更高的價值。Gen Market Insights機構做出一項關于人臉識別應用價值的調查研究結果，該報告結果表明，到2025年，全球人臉設備的市場價值將會高達到71.7億美元?；A層、技術層、運用層是當前我國生物識別市場三大的產業結構模式，根據中商產業研究院報告的結果，我國生物識別技術市場前景大好，其市場規模在2020年已經突破了300億。人臉識別技術能夠創造諸多價值，倘若運用得好，將在各種領域、多種場，最大限度的服務社會。例如，將人臉識別技術一定程度應用于當前公共安全防控領域，讓公共管理部門通過建立人像數據庫，可進行實時警情監控，同時也可以為追蹤犯罪作出貢獻；將人臉識別技術應用于新產品的推廣和服務研發領域，可以在科研、醫療及金融領域發揮重要作用；通過正確引導人們對人臉識別技術的正確運用，以提高公眾的人身安全和財產安全。

(3)運用范圍廣泛。主要為以下兩種：其一，線上網絡運用模式，這種應用場景多需借助智能設備，例如刷臉支付等通過智能手機采集人像，用以收集、分析用戶的生物信息，為人們便利生活以及普惠金融提供了技術支撐。其二，線下生活場景的模式，例如刷臉進宿舍樓，刷臉簽到等日常生活場景，便利管理。金融業同樣如此，經過層層把控和嚴格的金融認證，人臉技術運用目前已經較為成熟，如銀行刷臉支付的試點。人臉識別技術的應用，使得金融機構和金融消費者能夠在安全便捷的環境下完成交易，激發了行業的創新活力，提高了業務受理環境的使用效能^[3]。

(1)計算機視覺(CV)界三大頂級國際會議 ；

ICCV：IEEE International Conference on Computer Vision該會議由美國電氣和電子工程師學會(IEEE，Institute of Electrical &； Electronic Engineers) 主辦，主要在歐洲、亞洲、美洲的一些科研實力較強的國家舉行。作為世界頂級的學術會議，首屆國際計算機視覺大會于1987年在倫敦揭幕，其后兩年舉辦一屆。ICCV是計算機視覺領域最高級別的會議，會議的論文集代表了計算機視覺領域最新的發展方向和水平。論文接受率在20%左右。方向為計算機視覺、模式識別、多媒體計算等。

CVPR：IEEE Conference on Computer Vision and Pattern Recognition該會議是由IEEE舉辦的計算機視覺和模式識別領域的頂級會議。每年召開一次，錄取率在25%左右。方向為計算機視覺、模式識別、多媒體計算等。

ECCV：European Conference on Computer Vision ECCV是一個歐洲的會議，每次會議在全球范圍錄用論文300篇左右，主要的錄用論文都來自美國、歐洲等頂尖實驗室及研究所，中國大陸的論文數量一般在10-20篇之間。ECCV2010的論文錄取率為27%。兩年召開一次，論文接受率在20%左右。方向為計算機視覺、模式識別、多媒體計算等。2018年的ECCV于2018年9月8日-14日在德國慕尼黑舉辦。

(2) 亞洲計算機視覺會議 ；

ACCV：Asian Conference on Computer Vision ACCV即亞洲計算機視覺會議，是AFCV(Asian Federation of Computer Vision，亞洲計算機視覺聯盟)自1993年以來官方組織的兩年一度的會議，旨在為研究者、開發者和參與者提供一個良好的平臺來展示和討論計算機視覺領域和相關領域的新問題、新方案和新技術。2018年第14屆亞洲計算機視覺會議將于2018年12月4日-6日在澳大利亞舉辦。

(3) 人臉和手勢識別專門的會議

FG：IEEE International Conference on Automatic Face and Gesture Recognition 是全球范圍內人臉與手勢識別領域的權威學術會議。會議方向有人臉檢測、人臉識別、表情識別、姿勢分析、心理行為分析等^[4]。

參考資料：

[1]戚吉磊. 基于注意力機制的人臉識別

[2]陳惟文. 人臉識別技術運用中的個人生物識別信息保護

[3]武安寧. 人臉識別技術應用法律規制研究

[4]AMiner：2018人臉識別研究報告(50頁).pdf

本文由@Y-L發布于三個皮匠報告網站，未經授權禁止轉載。