人脸识别技术与指纹、虹膜、掌纹、声音等生物特征识别技术相比，人脸识别(Automatic FACE Recognition，AFR)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。它所使用的人脸图像需要摄像机进行捕捉，并自动地在图像中检测和跟踪人脸，进而对检测到的人脸进行特征提取、比对等一系列相关的技术，其包括人脸图像采集、人脸定位、人脸识别预处理、记忆存储和比对辨识，以达到识别不同人身份的目的。

　　虽然传统身份验证方法发展至今依旧沿用着，好比口令、身份证卡等各类识别物、钥匙、门栓等等，但传统方式的不方便、不安全、不可靠的缺点已经不适应社会发展，各式各样的破解之法已深深地伤害着用户。直到生物特征识别技术(Biometric)的出现，最终受到了广泛的应用、重视以及被深入地研究。它利用人体固有的生物特征或者行为特征来进行身份的鉴定和确认，好比指纹、人脸、虹膜、掌纹、声音、指静脉等，其具有唯一性、永久性、可靠性和随身固有性等优点，从根本上杜绝了伪造和窃取，在金融安全、社会安全、国家公共安全以及人机交互等各领域都得到了非常广泛的应用。特别在国家公共安全方面，能够有效保障国家公共安全，特别是人脸、指纹、声纹识别技术对于危险分子能够起到有效及时的监控和验证，提供了强加有力的技术保障。

　　如何认人识脸

　　人脸存在着大量体现个体差异的细节，而作为一个异常复杂的人脸结构，加上人面部肌肉的运动和易受环境和岁月的影响，又使得人脸成为一种非刚性物体，因此人脸成像到算法技术识别认证成为一个难解的问题。比如随着年龄的增长，人脸所产生的一系列变化，同时人脸图像采集还会受成像距离、拍摄角度、光线、面部表情等等因素的影响，从而使人脸图像采集存在很大的差异性。不过人类的人脸又具有相似的结构特点，头部轮廓、人脸区域各器官的独特灰度分别、各器官的分布特性等等，造就如今能够认人、识脸。

　　中国建标会通信工程西北委员会常委陈嘉伟：“人脸识别是智能分析里最复杂的技术，人脸识别是利用计算机人脸图像识别技术，自动地从静态或动态图像中检测出并识别人脸的这一过程。除了预先人脸建模外，人脸识别主要分三个过程，分别是人脸检测、特征提取、识别分类。”人脸检测是从图像获取后，判断图像是否存在人脸，并确认人脸图像中的人脸位置、大小等信息。并且检测过程中，光照、噪声、角度、遮挡等因素，都会影响到特征的提取以及人脸分类这两个过程的准确性。随后就是特征提取，这也是人脸识别系统中的最核心部分。由于人脸是三维图像，对于二维人脸图像识别，其会受到此前所说的遮挡、化妆、光照、表情等因素的干扰与影响，并且人脸图像表现为像素的灰度值矩阵，维度较大，无法直接进行描述人脸。所以，特征提取就是解决以上两个问题的核心技术。最后就是人脸分类，将识别到的人脸和已知人脸数据库中的人脸进行比对，寻找出最相似的人脸。基于数据量庞大以及特征提取、识别分类算法的精度与效率，人脸识别能否最终“认出”真人脸，成为其中最大的挑战。

　　识别难吗

　　人脸识别作为非“入侵”式的生物特征识别方法，具有较高的可靠性、安全性，在国防安全、视频监控、人机交互等方面具有广泛的应用。传统人脸识别算法在受某种或某几种特定因素影响的限制条件下能够获得较好的效果(如采集角度、照度、位置等都预先设定)，但在非限制条件下识别性能便急剧下降。北京博思廷科技有限公司总经理王巍(以下简称“博思廷王巍”)也说道：“人脸识别技术根据人脸来识别人员的身份，是将传感器(尤其是摄像机)采集到的人脸图像转换成人脸数据与人脸数据库中的人脸数据进行比对，得到两个人脸之间的相似度，判定是否为同一人员，或找到库中与此人最相似的人员。然后根据传感器获取到的数据不同，主流算法可以分为根据2D图像识别和根据3D形状识别两大类。”

　　目前，非限制条件下人脸识别研究就是博思廷王巍提到的基于3D模型和2D模型人脸识别方法。其中，后者是研究的热点。基于3D模型的人脸识别方法，对克服环境因素中姿态和光照影响非常有效。但3D模型法计算复杂，拟合时间较长，不易达到实时性要求。2D模型法主要将人脸图像中具有判别性的相对不变的特征表达出来。尽管人类能够清晰地识别出复杂背景中的人脸，人类也研发出了很多基于2D模型、3D模型的独特算法，但是计算机自动地执行算法至人脸的准确识别，却是难度极大的问题。目前再好的人脸识别系统也只能在用户比较配合下、采集环境条件理想的情况下才能够基本满足一般的应用需求。而在用户不配合情况下的自动人脸识别，最大的困难主要表现在以下几点：

　　1、人脸特征的不稳定性

　　人脸是一个具有极强可塑性的三维柔性皮肤表面，它会伴随着人的年龄、表情、化妆、意外伤害，甚至整容等因素的变化而改变，有些易容、整容手段犀利的人在改变容貌后，即便是站在生物链最高端的人类本身都难以用肉眼进行分辨。

　　2、可靠性、安全性较低

　　虽然不同个体的人脸各有差别，但是人的面孔大体上还是相似的，并且在全球人类总数高达77亿的地球上，以致于众多面孔之间的差别综合起来还是非常微小的，人群中总是能够找到几个相似的，所以技术上实现完全安全可靠的认证是相当有难度的。

　　3、外界条件影响

　　系统从传感器摄取人脸的过程中会遭受不同光照条件、角度、几何变化、遮挡等因素影响，同一个人脸在不同的环境以及采集条件下，获取到的人脸数据往往会差异非常大，这些不确定的外界因素对于人脸识别算法的稳定性、识别准确性都是非常大的挑战。

　　4、视觉识别模型的缺乏

　　到目前为止，神经生理学、心理学等相关研究领域对于人类的视觉模型和识别机制还处于缺乏状态，在已有的知识上建立起较好的模型还是困难重重。

　　5、硬件设备需求高

　　工欲善其事必先利其器，要克制外界条件影响，或许基于3D模型的方式可解决，不过对硬件的需求也相应变大。

　　在此，佛山华运科技技术有限公司总经理毛巨勇(以下简称华运科技毛巨勇)作如下的表示：“技术未来依旧会不断进步的，所以将来识别必然会更准确、更精准。但是目前最大的阻碍还是技术不够完善，好比在阳光照射或者照度较低的情况下，人脸识别的识别率就有所下降。所以基于目前的人脸识别技术还是在硬件上的改进，更好的CPU、平台、镜头、红外、滤光片等才得以应对目前人脸识别的各种困境”。

　　稳中求胜之举

　　迄今为止，计算机从一个“盲人”，需要被动式的接受由键盘、文件输入、代码信息到现在能够自助处理和判断信息的人工智能，经历的时间可谓是非常漫长，其中攻克不少难以解释的课题，从而使得计算机能够自动对人脸进行视觉处理、人脸分析识别。早期人脸识别算法是在得到一个“正面人脸”的前提下进行的，但是随着应用范围的不断扩展和开发，这种“正面人脸”已经无法满足现今的需求。虽然目前技术已经攻克必须“正面人脸”，但是实际应用上“正面人脸”并不是最终问题，从上述总结的五点就可以了解到现今的难处。面对如此复杂的具有挑战性的问题，综合起来最终可分为两大难点：

　　由人脸内在的变化引起的，如人脸表情、年龄等引起的变化、器官缺失等;

　　由外在条件变化引起的，如面部被部分遮挡、传感器、采集角度、光照影响、成像设备等。其实还有不能忽略的“伪人脸”，目前3D打印技术、人脸套膜等手段的出现，意图不轨者要破解人脸识别系统也变得并不难。

　　此前，华运科技毛巨勇为笔者讲道：“人脸识别分识别和验证两类。首先是验证，验证时获取的图片跟系统图片进行对比，检验是否为合法身份，是需要用户主动一对一进行身份确认的。而识别最为典型的例子就是警察询证，通过前端摄像机获取人脸图像，再与图片数据库中的黑名单进行比对，如果获取的人脸图像与黑名单图像近似，就会进行盘查确认，这种方式只需要前端采集即可，无需用户主动配合。” 所以面对困难重重之下从识别到验证的过程中提高最终的识别率与准确率。必须稳中求胜，从规范的识别环境、强大的算法以及多重核对方式去识别伪人脸的存在。

　　制定人脸识别适用环境

　　光照可以说是人脸识别最大的敌人，如果无法获取人脸进行识别，那就不用考虑后面的验证了，所以克制光照带来的负面影响成为必须解决的问题。虽然在算法上可以通过图像均衡化、对数变换的方式将获取的图片光照正规化最后达到理想的识别效果，或者通过3D模型分析不同光照对人脸识别的影响，试图通过计算机视觉理论，给光照变化建立统一的模型，但其假设过多，计算太复杂。所以在实际项目工程，人脸识别还是需要规范使用场所，比如恒定的光照环境、补光均匀的照明设备等等，在未能满足人脸识别使用的环境需求，强制安装人脸识别设备也是无补于事，识别率、准确率必然会大大低于厂商给予的理论值。

　　深度学习算法

　　识别与验证过程必须要有算法支持，而基于Gabor、LBP、SIFT、LDA、SVM分类器、贝叶斯模型等的各式各样算法比比皆是，在未来算法也将会越来越完善，因此合适的算法是保证最终识别率、准确率的根基。其中深度学习算法近年来兴起较快，深度学习最大的特色是 “自动学习”提取有利于识别分类的图像信息，系统会不断更新每次识别的数据以致于提高准确度。北京智诺英特科技有限公司章九九为笔者介绍道：“深度学习是先识别人脸，后面是通过提供的计算模型进行评价自动提取人脸特征，并且会不断自我更新数据，数据量大，当然人脸识别的准确率也相应提高，面对长时间跨度人脸的识别问题也得以解决。”

　　多重生物识别复核

　　曾有人跟笔者说过在2014年APEC会议就有犯罪分子混进现场，不过在进入安检时先是被人脸识别侦察到是通缉犯，再则是通过提供的假身份证进行比对确认，发现身份信息不符合才能以锁定并捕获他们。面对金融行业、出入境、重要会议安检等领域，犯罪分子的手段可谓是层出不穷。博思廷王巍也说道：“在一对一的人脸验证用途中，可以将人脸识别技术与其他生物识别技术搭配使用，能够显著提高准确率。例如只采用人脸识别的错误接受率为千分之一，但搭配人脸识别与指纹识别则错误接受率可以降低到千万分之一。”因此，为了区分识别的人脸是否为“伪人脸”，最简单粗暴的方式就是传感器和算法两方面技术的结合。

　　人脸识别与商用、大数据的圆舞曲

　　华运科技毛巨勇曾说：“人脸识别应用的领域会越来越广，从传统安防到司法公安，并以快速的节奏逐渐扩展到商用领域。而且人脸识别将成为大数据挖掘的最有用工具，因为图像视频可与人对应匹配，这样商家就能够从大数据中挖掘到客户的需求。”确实如此，除了传统安防、企业管理、司法公安等外，连锁商铺运用人脸识别也越来越多。比如大型的专卖店，他们会将人脸识别做成VIP顾客识别，尤其是VIP顾客到访时，服务员能够快速察觉并以最高等级的服务要求去招待顾客，毕竟越大的品牌商店对于不同等级的顾客都有着各自的管理服务方式，以便于提升业务和更好的服务质量。而大型超市、广告服务公司还可以结合大数据以及高准确率的人脸识别，来统计分析商业场客流(剔除服务人员及避免对同一顾客重复计数)。

　　综合而言，人脸识别技术发展至今可谓日益成熟，运用的领域也越来越广，算法更为灵活，即便是犯罪分子手段再多，人脸识别也可以结合其他生物识别技术进行复核验证。由此可见，未来人脸识别将会以其显著的技术优势成为一种极具潜力的生物识别方式。

人脸识别技术的现在与未来

马云首秀“人脸支付” 概念股值得关注