人脸识别又叫做人像识别、面部识别，是一种通过用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术。

生活中，很多人在出门之前，都会习惯性地检查一下随身的钱包、钥匙，如果一时粗心大意，丢三落四，就可能面临尴尬的情景。但在未来，随着人脸识别技术的广泛普及应用，你可能无需再为此担心，消费支付可以“刷脸”，回家进门可以“刷脸”，原本科幻片电影中的人脸识别的场景正在变为现实。人脸信息可能在未来成为你最重要的一份密码，然而这样的未来究竟还有多久才能到来?

从研究到应用

人脸识别技术虽然近年来才受到关注，但其实相关的研究历史却比较悠久。最早进行人脸识别研究的并不是计算机领域的研究人员，而是生物学家和心理学家。早在19世纪的时候，英国生物学家、进化论的奠基人达尔文就对人脸的表情及结构特征做过研究。到19世纪末，达尔文的表弟，同样也是英国著名心理学家和遗传学家的弗朗西斯·高尔顿也在生物特征识别上做过非常深的研究。高尔顿在1888年和1910年就分别在《Nature》杂志发表了两篇关于利用人脸进行身份识别的文章，对人类自身的人脸识别能力进行了分析。

达尔文与高尔顿在当时的研究还没有涉及到自动人脸识别(Automaticfacerecognition，简称AFR)问题，最早关于AFR的研究论文是1965年陈(Chan)和布莱索(Bledsoe)在PanoramicResearchInc.发表的技术报告，距今也已有50年的历史。经过了半个世纪的发展，尤其是近十几年来的研究，自动人脸识别技术已经取得了长足的进步，也成为了生物特征识别领域甚至人工智能领域最重要的研究方向之一。

“传统的AFR技术，在提取人脸特征时一般提取人为定义的人脸纹理特征，比如LBP、Gabor、SIFT，在国际标准人脸识别评估数据库LFW(LabelledFacesintheWild)上的识别率一般在80%-90%左右，而目前，世界上一流的人脸识别技术一定是采用了深度学习技术。”北京飞搜科技有限公司CTO白洪亮在接受媒体采访时介绍道。

白洪亮表示，由于深度学习技术、卷积神经网络的引入，特别是GPU(图像处理器)的发展使得卷积神经网络的算法得以实现，人们在提取人脸特征时不再提取人为定义的特征，而是采用卷积神经网络在大规模的人脸数据集中去学习出表述人脸的特征。采用这种机器学习出来的人脸特征，目前世界一流的人脸识别技术在LFW上的识别率一般在99%以上。

香港中文大学教授汤晓鸥此前在计算机视觉国际会议CVPR2014上发表论文，称计算机算法识别人脸的准确率已经达到99.15%，超过了人类肉眼识别的97.52%准确率。腾讯公司也向外界透露，其公司的研发团队在全球最权威的人脸识别评测平台FDDB上，达到了人脸识别LFW数据集准确率超过99.5%，对身份证照片识别准确率甚至超过了99.9%。

在评测实验中，目前的人脸识别技术已经取得了近乎满分的成绩单，但在实际应用中，人脸识别技术的表现又如何呢。

在北京中关村某企业供职的刘女士表示：“今年公司改用了人脸识别的考勤机打卡，实际使用中，人脸识别的速度是很快的，准确率也在9成以上”。

除了在公共安防、企业考勤等领域的应用，人脸识别技术也被越来越多地应用到个人智能终端中。齐先生今年更换了一部国产智能手机，其手机系统中便集成了人脸识别功能，可以用于解锁手机和为手机应用程序加密。“使用人脸识别解锁时，手机还没有出现被他人解锁的情况，但自己解锁不成功的现象却出现过不止一次，有时自己会被人脸识别莫名其妙地报错，只能使用密码输入来解锁手机”，齐先生说道。齐先生所遇到的这种情况，主要因为人脸识别技术在应用中存在误接受率和误拒绝率所导致的。

误接受率和误拒绝率是考量人脸识别技术准确度的两个重要指标，而在实际应用中，这两项指标都无法降到零。当人脸识别被作为一种加密技术的时候，降低误接受率便显得尤其重要，为严格确保安全，人脸识别往往会“矫枉过正”，这便导致了误拒绝率也会变得更高，使得真正的用户也可能因为种种情况而被人脸识别所拒绝，这也直接影响到人脸识别技术在实际应用中的用户体验。“

人脸识别在未来的应用领域会更加广泛，视频分析、智能家居、智能汽车、机器人、移动互联网等领域都会出现人脸识别的新应用”。白洪亮表示。而在未来错综复杂的实际应用环境中，人脸识别技术要在安全性与用户体验之间寻求平衡，就必须根据不同的应用场景找到误接受率和误拒绝率之间的平衡点。

被打开的市场空间

2015年上半年，国内有关人脸识别技术的新闻总能不时“上头条”，引发广泛的关注，其中大多都是人脸识别技术在互联网领域的应用。1月4日，李克强总理在深圳考察首家互联网银行微众银行时，该银行展示了其通过人脸识别技术和大数据信用评级发放贷款的基础设施。4月份，随着国内证券市场“一人一户”限制的放开，证券行业迎来巨大的开户潮，为了吸引用户，一些券商利用人脸识别技术开通网络开户。目前，包括长城证券在内的几家券商已经获得了人脸识别应用试点批文。

7月4日，经李克强总理签批，国务院印发了《关于积极推进“互联网+”行动的指导意见》(下称《意见》)，明确了未来3年以及10年的“互联网+”发展目标。《意见》就金融方面提到，“支持银行、证券、保险企业稳妥实施系统架构转型，鼓励探索利用云服务平台开展金融核心业务，提供基于金融云服务平台的信用、认证、接口等公共服务”。目前，国内许多互联网金融业务都受限于缺少线下实体网点，面签正在成为制约行业发展的瓶颈，而运用互联网进行的“远程人脸识别+身份证件核实”的验证方式，则可以有效解决这一行业痛点。

有业内人士认为，在市场的强劲需求及众多资本力量的推动下，人脸识别技术正在成为未来互联网金融行业的重要基础设施，从而在互联网金融领域打开巨大的市场空间。2015年上半年的人脸识别领域投资热潮，也正是得益于国内互联网金融市场的火暴。

除了远程开户、身份核实等金融机构的应用，针对个人用户的“刷脸支付”则更容易吸引眼球。3月15日，在德国汉诺威国际信息及通信技术博览会开幕式上，阿里巴巴董事局主席马云向德国总理默克尔和我国国务院副总理马凯演示了蚂蚁金服的“SmiletoPay”技术，用手机“刷脸支付”的方式网购了一张1948年的汉诺威纪念邮票。而国内另一家互联网巨头腾讯，也在4月份宣布旗下的互联网在线支付平台财付通与公安部所属的全国公民身份证号码查询服务中心达成战略合作，希望借此提升人脸识别的准确率及商业应用可用性。

“较之传统的移动支付手段，刷脸支付可以让消费者不需要带任何设备，甚至卡，只需要在人脸识别设备上进行刷脸，就可以完成支付，这可以说是对消费者的完全解放”，移动支付网特约分析师慕楚在接受媒体采访时说。

虽然“刷脸支付”看上去足够酷，但慕楚认为短期内还没有普及的可能。“在政策上，央行鼓励金融创新，支付创新，但任何创新都是基于支付的安全，如果人脸识别技术真的要应用在大众支付上，需要推动标准和规范的形成，就这方面来说，人脸识别要走的路还很长，而且不包括后续的市场推动。”慕楚表示。

慕楚还表示，到目前为止，基于生物识别的支付方式，如指纹、人脸、虹膜，在卡组织层面，都没有得到普遍认可。基本是第三方支付平台与银行进行一些小额支付的应用和试点，这与手势密码在支付中的应用境况相似，并且以目前的发展情况来说，“刷脸支付”还不可能成为支付主流技术。

在支付领域，安全问题至关重要，任何的不确定因素都可能后患无穷。人脸识别作为前沿技术是否会在支付领域得到应用普及，还需要更多的时间进行验证。

安全性存疑

人脸与指纹、虹膜等人体生物特征一样与生俱来，并且人人不同，是先天的“生物秘钥”。因此，不少科学家认为生物特征识别将是密码学的终极阶段，是真正的“自然识别”，未来，人们将不需要再去记忆任何密码语言。

然而，终极密码并不意味着终极安全。

目前，指纹识别被普遍认为是一种比较安全的加密技术，但却有人警告我们，指纹加密其实并没有想象中的万无一失。2014年底，欧洲最大的黑客组织ChaosComputerClub(混沌计算机俱乐部)的成员之一，代号“Starbug”的德国黑客JanKrissler便在俱乐部大会上讲解了自己如何使用了一台普通相机和一套公开的商用软件，伪造出了德国国防部长乌尔苏拉·范德莱恩的指纹。并且，Krissler强调，他完成这一“壮举”所用的工具都是市面上可以轻易获得的。而仿虹膜的方法也早在2012年就有团队提出，这些都给生物识别技术提出了挑战，也让人们对生物设别被运用到加密技术中产生担忧。

由于人脸识别采用非接触性的检测方法，因而在检测识别过程中是否会被人脸图片、视频等资料所蒙蔽。这在业内一直存在争议。“有的AFR技术加入了人脸活体检测，与用户互动，检测人脸的五官动作、表情特征，也会用人声识别的方法来加以辅助解决。”白洪亮表示。

并且，与指纹、虹膜不同的是，人脸形态并非终生不变，而是可能会随着时间而变化，这也是人脸识别技术中无法回避的一个难点。据了解，目前的人脸识别技术可以做到的是，人脸在发型变化、常规化妆、一定程度的胖瘦变化、自然老化等情况下可以被识别出来。但是，如果人脸因为整容等原因出现过于剧烈变化，计算机的人脸识别技术也无能为力。另外，对于双胞胎、多胞胎的人脸识别难度也很大，目前只能采用多种识别方式组合的办法来进行身份识别。

当我们看到人脸识别技术的巨大进步时，也不能忽略其在实际应用中存在的问题，人脸识别技术的局限性仍然存在。“望山跑死马”，我们似乎已经看到了“终极安全”这座高山，但要真正走近它，我们还有很长的路。