早前,復旦大學採用
“刷臉”報到的方式對新生進行人臉識別考勤。新生無需輸入身份信息,在設備上“刷臉”,2秒鐘就可通過系統完成報到。
人臉識別技術越來越多地進入到我們的生活中,
在你接觸到的方方面面,從出行到醫療,從教育到工作,
這項技術是如何悄悄潛入我們生活的?
人臉識別技術是什麼?
人臉識別技術是一項包含計算機視覺、圖像處理、神經網絡、人工智能等學科的多學科交叉技術。
人臉識別不是用一張你的素顏無修照,就可以通過檢測的,
人臉識別需要進行活體檢測,
識別系統來判斷捕捉到的人臉是否是真實人臉。
但這一前提,也對識別設備有要求,比如3D結構光。
之前蜂巢快遞櫃出現過小學生用一張照片就順利取件的情況,
這樣的情況在高級設備上是不會出現的。
現在主流的3D人臉識別可以檢測照片人像、可以分辨雙胞胎、可以識別妝後的人,也能在不同的光線條件下準確識別。
那這項技術經過了怎樣的發展、經過多長時間,才終於實現準確識別?
人臉識別技術的誕生
20 世紀 50 年代,認知科學家著手開展對人臉識別的研究。
20 世紀 60 年代,當時的方法還只能做到人臉基本幾何結構的識別,
一旦姿態、表情發生變化,識別準確度就會嚴重下降。
1991 年,著名的“特徵臉”方法,第一次將主成分分析和統計特徵技術 引入人臉識別。
2000至2012年,專家們研究出基於遺傳算法、支持向量機、boosting、流形學習以及核方法等進行的人臉識別。
2009 年至 2012 年,業界基本達成共識,
“基於人工精心設計的局部描述子進行特徵提取和子空間方法進行特徵選擇能夠取得最好的識別效果”。
在這一階段,研究者的關注點開始從受限場景下的人臉識別,轉移到非受限環境下的人臉識別 。
2013年,微軟亞洲研究院的研究者首度嘗試了 10 萬規模的大訓練數據,
結果表明,大訓練數據集對於有效提升非受限環境下的人臉識別很重要。
2014 年前後,香港中文大學的 Sun Yi 等人提出將卷積神經網絡應用到人臉識別上,
採用 20 萬訓練數據,在 LFW 上第一次得到超過人類水平的識別精度,
這是人臉識別發展歷史上的一座里程碑。
自此之後,研究者們不斷改進網絡結構,同時擴大訓練樣本規模,
將 LFW 上的識別精度推到 99.5%以上。
現如今的人臉識別技術,已經能夠廣泛投入應用,在國家系統中,人臉識別也發揮著巨大作用。
據中央追逃辦通報,“天網2018”行動全國共追回
外逃人員1335名,追贓金額35.41億元人民幣。我國的人臉識別技術位於國際領先地位,
我國的“天網”系統將大數據、人臉識別、全球實時追蹤融為一體,
通過人臉識別與數據庫的人臉進行比對,
對追蹤逃犯幫助非常大。人臉識別的優越性
人臉識別具有非接觸性
不同於指紋、手掌幾何的信息採集方式,人臉圖像信息的採集
不需要用戶與設備直接接觸。這樣避免了因為設備不衛生,引起使用者反感,或接觸摩擦等產生設備損耗,及接觸面不淨產生的識別誤差。
人臉識別具有便捷性
由於採集設備簡單,操作便捷,
從用戶面部進入採集區到圖像採集完成,通常在數秒內即可識別。
人臉識別具有非侵擾性
進行人臉識別
無需進行過多動作,干擾正常行為,就能進行識別。設計者不用擔心用戶是否介意肢體與設備接觸產生的不適應。
只要用戶在設備前稍作停留,就會被準確識別身份。
人臉識別具有友好性
人類可以通過“長相”等面部特徵來對他人進行身份識別,卻極少能夠通過對他人的指紋、手脈、虹膜等身體特徵進行個體區分。
人臉識別技術則與人類的習慣相一致,設備可以通過使用人臉圖片進行身份識別。
人臉識別具有延展性
人臉識別技術的應用面非常廣泛,在各行業各領域,
如交通進出站、醫療掛號、教育考勤、刷臉門禁、銀行取款、犯罪偵查識別、支付等,都有強延展性。
加快立法進度,技術終將為人服務
由於人臉識別具有的良好特性,使其具有非常廣泛的應用前景。
目前為了規範市場,應當加快立法進度,讓技術合規,真正造福人類生活。
在我國現有的《網絡安全法》、《消費者權益保護法》中,
尚沒有對於個人生物識別信息的使用、存儲、運輸、管理的細化規範,
但這不意味著相關部門沒有在行動。
今年4月全國人大常委會審議的《民法典人格權編(草案)》裡,
正式加了一條:任何組織和個人不得以利用信息技術手段偽造的方式侵害他人的肖像權。
5月,國家網信辦會同有關部門發佈《數據安全管理辦法(徵求意見稿)》,
其中表示,網絡運營者不得以謀取利益或損害他人利益為目的利用大數據、人工智能等技術自動合成信息。
相信在法規條陳逐步完善之後,將慢慢消除掉人們的顧慮,讓技術真正為人服務,在更多領域發揮作用。
未來更科技的生活場景將不再只存在於電影中,
隻身出行,隻身消費,更輕便智能的日子將不再遙遠。
(編輯:楊柳)