人脸识别技术 生活中带来不断惊喜

本篇文章1990字，读完约5分钟

在《碟中谍4》中，有这样一个情节:穿着风衣的特工在熙熙攘攘的火车站里四处张望，对抗人流。每个迎面而来的乘客的个人信息都会出现在他的隐形眼镜上，很快他们要找的人就会被锁定。

随着人脸识别技术的快速发展，类似上述电影的场景将会在现实生活中出现更多。自2015年以来，腾讯、阿里和民生银行(600016，BUY)等国内巨头增加了人脸识别行业，并推出了许多应用。2015年，中国金融大亨平安(Quote 601318，BUY)在人脸识别技术方面有近10个应用场景，包括“刷脸”信用报告，拥有近1000万用户。

那么问题是，从第一年到2015年底，人脸识别技术是什么？要理解这个问题，我们必须首先了解计算机人脸识别的一般过程。

所谓人脸识别就是利用计算机分析人脸视频或图像，从中提取有效的识别信息，最终判断人脸对象的身份。虽然对你我来说，人脸识别是我们从小就已经习惯的一项技能，但自从我们希望计算机有一双“眼睛”来识别人脸以来，已经有半个世纪了。

毕竟，计算机不是人。给出一张图片后，计算机“看到”的图片只是一个编码的字符串序列，不可能知道人脸在哪里，更不用说判断其相似性了。因此，对于计算机来说，要实现一次人脸识别，至少要完成三个步骤:首先，从包含字符的场景图像中分割出人脸区域；然后，从面部区域提取面部特征。最后，根据提取的特征进行人脸识别。

人脸检测是人脸识别的第一步。虽然今天的人脸识别系统包含了大量的细节和各种工程技术，但大的系统框架只不过是以下几个过程:首先，需要确认摄像机拍摄的图像中是否有人脸。如果有，首先要找到人脸的位置(人脸检测)，然后定位人脸的关键点(如眼睛的中心或嘴角等)。)。这些点的位置用于人脸的几何校正，也就是说，通过诸如缩放、旋转和拉伸的图像改变，人脸被改变到标准尺寸的位置。这样，待识别的人脸区域将更加规则，便于后续匹配。同时，当前的检测技术通常配备有面部光学校正模块，该模块通过一些滤波方法去除一些对光照更敏感的面部特征。

接下来，计算机需要提取捕获的人脸的特征，过去常用的方法包括提取几何特征或特征人脸。基于几何特征的方法容易受到面部表情和由外部物体如眼镜、头发和装饰品引起的面部图像的部分遮挡的影响。对于使用特征脸的方法，由于光照条件和曝光的变化而引起的图像亮度和对比度的差异会影响其效果。幸运的是，在研究人员的不懈努力下，2012年后，主流技术公司开始逐渐采用神经网络等先进技术进行人脸识别，实现了质的飞跃。

目前，计算机算法中提到的神经网络理论是受生物神经网络启发的分类器数学模型，具有训练时间长、识别时间短的特点。因此，简单地说，人脸识别中使用的神经网络算法就是通过采集大量的人脸照片和大数据的训练，将图像信息转化为机器能够理解和分析的结构化数据，从而将人脸特征转化为计算机能够识别的字符串，并与大数据进行比较，从而达到人脸识别的目的。

2015年，在机器学习、深层神经网络技术、人工智能、量子计算等方面进行了技术创新。取得了丰硕的成果，这些技术的进步极大地提高了处理能力、处理速度和计算复杂度，为厂商应用人脸识别提供了坚实的技术支撑。据平安科技创新研究所的专家介绍，基于神经网络的平安人脸识别算法在各种测试环境下都达到了99%以上的准确率。即使面对行业公认的技术问题，如细胞老化和双胞胎，也有一系列的解决方案。

目前，人脸识别技术在安全、金融等诸多领域的应用已经展开。2015年，马云展示了蚂蚁金服的笑脸支付扫描。马明哲将平安人脸识别技术应用到平安普惠iloan贷款场景中，甚至中央银行发布了允许远程“刷脸”开户的文件。随着人脸识别技术的创新，智能银行vtm、新的安全系统和海量后端视频数据检索将在不久的将来大量推出。

将来，无论你是开门、打卡还是购物，你都可以通过对着相机眨眼或移动你的头，甚至在相亲时擦脸，以及验证你的身份来避免作弊来轻松做到。甚至，当你计划将来还钱或借钱时，在“刷过你的脸”之后，你仍然可以得到好的信用评分。如果分数符合要求，你不仅需要在租车或入住酒店时支付押金，而且你还可以比别人更快得到回复，获得更低的利率。

同时，研究人员仍在努力开拓人脸识别的探索。也许很快，人脸识别系统将把人眼看不到的红外波段和紫外波段的光谱信息用于特征提取。也有可能随着图像采集精度的进一步提高，大数据分析技术可以发现类似指纹的特征，这些特征不是计算出来的，而是人脸上的“人脸线”。甚至，除了“教”人脸识别系统识别你是谁，研究人员还可以看到你当时的情绪。

想象一下，将来用手机自拍，不仅能解锁手机，还能立即告诉你是开心还是沮丧。也许播放你最喜欢的歌曲会让你得到安慰，并立即缓解你的压力。当手机意识到你累了，它可能会自动打开汽车相关软件，你只需要确认你的家庭时间。没错，这只是人脸识别技术的快速发展会给我们的日常生活带来持续惊喜的一小部分。