原標題：人臉識別技術迎井噴期 專家建議完善標準保護隱私

　　資本加速涌入 金融和安防成“先鋒”應用領域

　　人臉識別技術商用迎來“井噴期”

　　專家建議完善相關行業標準保護用戶隱私

　　近期，“刷臉”成為了熱詞，人臉識別技術不斷進入大眾視野。蘋果新機iPhone X具備“刷臉”解鎖功能，并且可運用到Apple Pay以及各種需要身份驗證的App中;首個“刷臉”支付的商用試點也在杭州一家肯德基餐廳開啟;一些銀行正嘗試啟用自動取款機“刷臉”取款功能;高鐵檢票、賓館入住也在使用“刷臉”技術……

　　資料圖：高中生靠臉吃飯。學生只要在“刷臉器”前站一秒鐘，身份就會被識別出來。

　　人臉識別已經在人們衣食住行的各個領域發力，迎來運用的“井噴期”，其中，金融和安防等行業成為應用“先鋒”領域。隨著人臉識別技術的商用場景不斷擴充，市場潛力巨大，資本嗅到商機紛紛涌入。來自前瞻產業研究院的數據顯示，2016年我國人臉識別行業市場規模已超過10億元，預計到2021年將達到51億元左右。

　　“刷臉”時代帶來巨大市場

　　刷臉進站、刷臉取款、刷臉支付、刷臉報到……隨著人臉識別技術的日漸成熟，“刷臉”時代正在到來。在業內人士看來，人臉識別技術正在不斷突破各個行業應用的“閾值”，帶來日趨豐富的應用場景。

　　“隨著深度學習算法登場，人臉識別精度相比五年前已有大幅飛躍。”360公司副總裁、人工智能研究院院長顏水成說，各種設備拍攝人臉所提取的信息會結成數據對，不斷積累的海量數據成為反哺技術完善的“充足養料”。

　　螞蟻金服生物識別技術負責人陳繼東說，近年來得益于深度學習的迅速發展，我們可以基于神經網絡讓機器模擬出人類大腦的學習過程，并通過卷積神經網絡模型和海量的圖片數據進行訓練。生物識別從以前70%、80%的準確率提升至近兩年的99.6%甚至99.7%，具備商用條件。同時，在支付場景中人臉識別技術的誤識率已經達到十萬分之一。

　　曠視科技副總裁謝憶楠告訴記者，人臉識別技術主要有三大應用方向，一種為1：N認證，判斷某個體是否為特定群體中的一員，用于人員出入管理和城市安防，包括公安抓捕逃犯、小區門禁啟用刷臉系統，以及一些商家的VIP管理等。

　　另一種為1：1認證，即證明本人與證件信息是統一的，主要應用于需要實名制驗證的場景。南航今年6月在河南南陽機場啟用的“刷臉登機”，武漢火車站和廣州南站啟用的“刷臉進站”，即屬于此類。

　　第三種是活體檢驗，證明是真人在操作業務，進而做賬戶許可授權。中信銀行的ATM和移動客戶端可以進行遠程身份認證，海通證券可以遠程開戶，滴滴平臺則可以查驗駕駛者是否為注冊司機。

　　人臉識別正在慢慢從線上走到線下，在無人零售、快捷支付、酒店入住等場景中亮相。資本看準其中的商機，紛紛入局。今年7月，商湯科技宣布完成4.1億美元B輪融資。上海依圖科技與北京曠視科技完成了C輪融資，金額分別為3.8億元人民幣與1億美元。來自前瞻產業研究院的數據顯示，2016年我國人臉識別行業市場規模已超過10億元，預計到2021年將達到51億元左右。

　　商業應用場景不斷豐富

　　《經濟參考報》記者了解到，人臉識別技術在金融上的應用呈爆發式增長態勢。從我國自主研發的全球首臺具有人臉識別功能的ATM機通過驗收，到互聯網企業螞蟻金服、京東、蘇寧等推出“刷臉支付”應用，再到傳統銀行如招商銀行試點人臉識別應用……支付、取款、貸款等金融領域的應用走到了其他領域應用的前面。

　　今年9月，“刷臉”在金融上的應用賺足了眼球。在蘋果新機發布會上，iPhone X具備“刷臉”解鎖功能成為了關注焦點，蘋果稱這一功能可運用到Apple Pay;金融科技公司螞蟻金服與肯德基共同對外宣布“刷臉支付”進入商用試點階段，這是刷臉支付從線上走到線下，首次真正落地到商業場景的消費中。

　　在杭州萬象城肯德基的KPRO餐廳里，《經濟參考報》記者看到不少消費者嘗試了“刷臉支付”：在自助點餐機上選好餐，進入支付頁面，可選擇繼支付寶、微信移動支付選項后的新選項“刷臉支付”，然后進行人臉識別，大約需要1-2秒，再輸入與支付寶賬號綁定的手機號，確認后即可支付，過程不到10秒。

　　在難度系數極高的城市安防領域，人臉識別也在大顯神通。以往人臉識別技術只能處理數百人級別的數據比對，但現在已經發展到上萬人甚至更高量級的數據比對，且突破拍攝角度不正、光線變化復雜、分辨率低等不利條件，幫助公安機關迅速抓捕逃犯。

　　記者獲悉，人臉識別公司曠視科技已為多地公安系統提供了實時警情數據服務，其中直接協助警方破獲案件1032起，抓獲、控制的在逃人員超2000人。重慶市某公安分局使用商湯科技的人像比對系統，在40個工作日內辨認出69名嫌疑人，相比人工效率提升200倍。

　　在人臉識別技術到來之前，指紋識別、虹膜識別等生物特征識別方式已經在生活中得到廣泛運用。不過受訪人士表示，相比較而言，人臉識別最大的優點在于“非接觸性”，這可以大大提升系統響應速度，提高使用便捷度，同時避免指紋等接觸式識別產生的疾病傳播等衛生隱患。

　　此外，“非配合、非侵入”式特征，意味著可以在不需要使用者配合的情況下采集到數據，這有利于公安在安防等領域的應用。

　　人臉識別技術還越來越用于娛樂。面部識別解鎖功能成為平板電腦“賣點”、智能相冊可通過識別人臉進行照片分類、“美顏”類APP自動識別人臉并為其“化妝”……例如，一款火爆的“FACE U”軟件，可以將用戶頭像“變成”大圣、兔子等形象，與朋友圈、微博等社交平臺的朋友互動。

　　業內人士認為，智能家居將會是未來人臉識別的應用場景之一，智能防盜門在主人站在門口時才會打開，智能電視能識別你是誰，并推送給你常看的節目，甚至服務機器人也可以根據對象身份的不同提供相應的服務。未來人臉識別技術會讓用戶信息的深度挖掘成為可能，商家可以對會員的購買行為進行分析，進而有針對性地安排商業布局或促銷活動。

　　技術準確度突破可期

　　專家認為，未來，人臉識別技術還會繼續突破。一方面，準確度、安全性會繼續提升，針對整容、雙胞胎等特殊情況的處理能力也在提升。另一方面，人臉識別能夠處理的數量級也會繼續擴大。當技術已經進步到可以在上億張照片的數據庫中提取、比對某張人臉時，則應用場景會逐步擴大。

　　據顏水成介紹，通常人臉識別包含以下環節：相機或者專業設備先采集到圖片，人臉檢測技術定位圖片中的人臉，然后從中再定位諸如眼角、鼻尖、嘴角、臉部輪廓線等特征，進行包括光線補償或者遮擋物剔除等校正。再用深度學習算法進行身份特征提取，跟數據庫中的人臉特征做比對，以識別人臉身份。

　　業內人士認為，其中的技術關鍵在于通過不同臉部圖像上的特征關鍵點和面部表情網，找出彼此之間的關聯，最終判定這些圖像是否為同一個人。但人臉是變化的，不同角度、不同妝容都能影響特征關鍵點的抓取。

　　此外，“刷臉支付”是在線下公共設備和開放環境下進行，真實場景復雜多變，且安全性要求更高。生物識別技術對人們的生活帶來更多便利還是挑戰?

　　疑惑一：“刷臉”如何確保精準度?

　　在衡量人臉識別能力時，很多公司都會宣稱其準確率超過“99%”。對此，長期研究機器學習的西安交通大學電信學院特聘教授、國家“千人計劃”專家龔怡宏表示，這里的準確率指的是在一些世界知名人臉數據庫比對中取得的成績，但在現實運用中，這種準確度要大打折扣。

　　商湯科技聯合創始人楊帆也認為，這些準確度是在一定前置條件下取得的，但現實應用場景復雜多變，人群樣本更大，不同光線、姿態、分辨率等條件都可能給機器識別帶來困難。

　　不過，這也不代表技術要達到100%準確率才可以使用。“世界上沒有完美的技術，任何技術都是有錯誤率和瑕疵的，但是如果在特定的場景下，技術的準確度能夠滿足要求、錯誤帶來的風險可以承受，那它就是有價值的。”顏水成說。

　　蘋果方面介紹，新機iPhone X的面容ID功能利用由點陣投影器、紅外鏡頭和泛光感應元件組成的先進原深感攝像頭系統，在A11仿生強勁動力的支持下可繪制面譜并識別面容。該功能會投射30000多個肉眼不可見的紅外光點，然后將得到的紅外圖像和點陣圖案傳輸給神經網絡，創建用戶臉部的數學模型，再將這些數據發送至安全隔區，以確認數據是否匹配。而且，用戶的樣貌隨著時間而改變，技術也能隨之進行調整適應。

　　螞蟻金服介紹，支付寶在肯德基KPRO的點餐機上配備了3D紅外深度攝像頭，在進行人臉識別前，會通過軟硬件結合的方法進行活體檢測，來判斷采集到的人臉是否是照片、視頻或者軟件模擬生成的，避免各種人臉偽造帶來的身份冒用情況。

　　疑惑二：雙胞胎、過度化妝和整容能分辨嗎?

　　“人臉的角度、光線、表情、年齡、化妝、遮擋、照片質量等會影響我們的判斷，并且隨著數據庫樣本增大，兩個不同人長得像的概率會快速上升。”陳繼東提出了生物識別技術面臨的難題，不過，他認為深度學習會讓計算機更聰明，能克服這些困難。

　　顏水成表示，面對雙胞胎或者整容前后等特殊情況，機器能否識別，要看具體情況。比如整容幅度過大，機器無法識別是有可能的。此外，臉部信息也會隨著年齡增長而改變。如果到了機器無法識別的程度，使用者只需去系統更新臉部照片就可解決。

　　為了提高識別率，不少應用場景都需要用戶采用除人臉識別技術外的雙重驗證。陳繼東表示，交叉驗證方式進一步提升識別率，即使是雙胞胎也“判若兩人”。在金融等對誤識別率容忍極低的領域中，單一識別要素即使精準度再高仍然會有漏網之魚，因此需要結合多因子綜合驗證。目前人臉識別準確率已遠超肉眼，而且有活體檢測算法來判斷采集到的人臉信息是否為照片、視頻等冒充。“即便出現賬戶被冒用的極小概率事件，支付寶也會通過保險公司全額賠付。”

　　疑惑三：用戶隱私如何保護?

　　有專家指出，人臉特征與指紋、虹膜相比，是一個具有弱隱私的生物特征。例如，很多人都會發自拍照，也是相對公開的特征。如何保證用戶數據安全尤為關鍵。

　　據媒體報道，在一個名為“你的臉就是大數據”的項目中，俄羅斯攝影師葉戈爾·茨韋特科夫在圣彼得堡用了6周時間拍攝100名地鐵乘客的人臉照片，之后利用人臉識別工具比對俄羅斯最大社交網站VK(VKontakte)上的5500萬用戶，找到了大約70名乘客的個人資料。

　　如何防范類似的隱私泄露風險?曠視科技副總裁謝憶楠表示，曠視在采集到照片后會對照片進行脫敏處理，只提取照片特征，而非照片本身，即使這些特征在傳輸過程中被竊取，也無法還原出照片，過程是不可逆的。

　　陳繼東說，目前支付寶已經對人臉識別技術進行了加密、脫敏的技術防范，可以將人臉信息變成一個不可逆的數字信息，不能還原、比對。

　　蘋果方面介紹，其所有保存的面容信息都被保護在安全隔區內，以確保數據安全無虞。同時，所有處理都在設備上進行，不會發生在云端，以充分保護用戶隱私。面容ID只有在用戶注視iPhone X時才會為它解鎖，并采用特別設計，可防止被照片或面具假冒的人臉欺騙。

　　相關行業標準有待完善

　　專家普遍認為，人臉識別技術的市場潛力巨大，技術要求高安全性、高準確率、高可用性、高實時性，但目前人臉識別技術還沒有一個行業標準，用戶隱私安全也亟待保障，建議制定并完善行業標準。

　　在中科院計算技術研究所研究員山世光看來，經過多年發展，人臉識別近幾年確實取得了突破式發展，完成了一些以前“不可能完成的任務”。但用戶隱私也值得關注，即用戶的照片是如何傳輸和保存的，有沒有在未經允許的情況下被保存或拷貝。相關應用如何設計人臉識別系統，確保用戶數據不被盜用，目前看起來還不明確。“人臉識別技術逐漸走向成熟，應用越來越多，人臉識別技術的各類標準，包括保護公民隱私的標準應盡快出臺。”山世光說。

　　華為集團從事模式識別的技術人員田女士說，人臉數據很難更改，“例如，我們不可能因為一次人臉數據被盜就去整容來更改我們獨有的生物密碼。因此，當下很多技術都在突破活體檢測，如用‘眨眨眼’‘張張口’來進一步確認”。

　　楊帆表示，人臉識別是一條很長的產業鏈，保護用戶隱私不僅需要靠公司的自律，更需要在政府引導下建立起整個行業的統一標準，共同筑起保護用戶隱私的行業堤壩。

　　顏水成說，人臉識別更廣泛運用的基礎在于進一步提升識別準確率和安全性，而大量數據作為深度學習的養料是必不可少的。以后，人臉識別采集設備會越來越多，會積累大量的數據，但這些數據如果變成一個個數據孤島，就無法使人臉識別技術得到提升，建議在數據的共享和開放上加大引導力度，促進技術發展。(記者 馬曉澄 張璇 汪奧娜 杭州報道)