人脸识别技术

人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。

1、技术简介

人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流首先判断其是否存在人脸,如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。

生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。

2、发展过程

我国人脸识别技术的发展经历了不能应用、可以应用、发挥作用3个阶段。近一两年，人脸识别技术在*领域取得了较好的应用，发挥了重要作用，我国人脸识别技术和应用双双上了台阶，人脸识别应用水平已和国际相当。

以浙江省温州市开展户口清理整顿为例。2011年3月，该市开展试点补办二代身份证人脸识别一致性比对，将*机关申办二代证的非首次申领对象新采集照片与常住人口信息系统内的历史照片进行一致性一对一比对，从中排查发现冒用他人信息办理身份证的人员。试点期间，共计比对身份证照片信息39040人次，确认照片信息不符51人次，已由各地*机关查证属实冒领二代证案件9起。

*部第一研究所所长仇保利说，如今，人脸识别技术的应用很广泛，“目前，在重大活动安保方面，人脸识别已经成功应用到奥运会、世博会等大型会议中。未来，随着国内平安城市、智慧城市项目的深入发展，城市监控的高清化进一步得到普及，而且随着摄像机数量大规模增多带来数据的快速增长，基于视频监控的人脸识别应用，将是下一阶段人脸识别应用的趋势。”

早在2002年*部第一研究所就开展了人脸识别测试技术研究工作，同年在我国首次开展定期的人脸识别产品的测评工作，开创人脸识别在我国证件的应用模式，推动了我国人脸识别技术的应用与技术进步。近年来承担了我国“十一五”国家科技支撑、“十二五”国家科技支撑、国家科研基础等多个国家重大攻关项目，拥有多项核心技术和产品，为*案件侦破等工作发挥了重要作用。目前该所正集中精力攻克人脸识别新难题，开发新一代人脸识别产品。

3、主要特点

人脸识别技术与其他人体生物特征识别技术相比较，有其独特的优点。

(1)人脸识别技术有快速、简便、非侵扰和不需要人的被动配合的特点。因为除这种识别技术以外，其余的人体生物特征识别技术对人们来说都是一种干扰，都需要人的被动配合。如指纹和掌纹识别都需要人们将手放在玻璃表面，而虹膜识别需要用激光照射人的眼睛，而声音识别需要人对着麦克风讲话，字迹识别则需要人签字等等。而人脸识别无需干扰人们的行为，你只需要很快从一架摄像机前走过，你的面貌就已经被快速地采集和检验，所以非常简便。

(2)人脸识别技术有良好的防伪、防欺诈、准确、直观、方便的特点。因为同其他人体生物特征识别技术相比较，只有面像识别是最直观、最可靠、最准确的，因而它是优良的防伪、防欺诈的。

(3)人脸识别技术具有性价比高、经济、可扩展性良好的特点。因为人脸识别技术比其他的人体生物特征识别技术的性能要优越，它不要人的行为的配合能方便有效地核查人的身份，而且只需通用的PC硬件及相关软件，因而经济、性价比高；由于其直观、准确，且应用更为广泛，因此具有良好的可扩展性能。

4、应用方向

人脸识别技术主要有三大应用方向。一个应用场景是1：1认证，即证明人与证件信息是统一的，主要用于实名制验证。

其次是1：N认证，即判断某个人是否为特定群体中的一员，用于人员出入管理和城市安防等。重庆市某**使用商汤科技的人像比对系统，在40个工作日内辨认出69名嫌疑人，相比人工效率提升200倍。

第三种是活体检测，以确保是真人在操作业务，进而做账户许可授权。云从科技的人脸技术已经运用于全国50多家银行。中信银行的ATM和移动客户端可以远程身份认证，海通证券可以远程开户，滴滴平台则可以查验驾驶者是否为注册司机。

5、包含内容

人脸识别技术包含三个部分：

(1)人脸检测

面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法：

①参考模板法

首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；

②人脸规则法

由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；

③样品学习法

这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；

④肤色模型法

这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。

⑤特征子脸法

这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。

值得提出的是，上述5种方法在实际检测系统中也可综合采用。

(2)人脸跟踪

面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。

(3)人脸比对

面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出最佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：

①特征向量法

该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。

②面纹模板法

该方法是在库中存贮若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。

6、识别步骤

一般分三步：

(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。

(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。

(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辩认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。

7、分析算法

人脸识别技术中被广泛采用的区域特征分析算法，它融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型,即人脸特征模板。利用已建成的人脸特征模板与被测者的人的面像进行特征分析，根据分析的结果来给出一个相似值。通过这个值即可确定是否为同一人。

8、主要缺点

第一，不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的；

第二，人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，面部识别还受光照条件(例如白天和夜晚，室内和室外等)、人脸的很多遮盖物(例如口罩、墨镜、头发、胡须等)、年龄等多方面因素的影响，因此区分个体变得异常困难。

目前的面部识别方法主要集中在二维图像方面，人脸图像由于年龄、姿态、表情、光照等因素而具有“一人千面”的特点，因此识别的准确度将受到很大限制。迄今为止，建立一个完善的面部识别系统仍然是一个很困难的问题。

9、未来前景

据中国报告大厅、宇博智业市场研究中心的2014-2020年中国人脸识别市场调研与发展趋势预测报告显示如今的人脸识别技术已进入了实化阶段，该技术目前在我国的*、安全、海关、金融、军队、机场、边防口岸、安防等领域也得到了很广泛的应用。有专家进一步指出，人脸识别的全面应用时代已经到来。在科技界，人脸识别认证由于非侵犯性好、安全性高、无论室内还是户外均可使用等特性，一直比“认卡不认人”的IC卡更具发展前景。再加上去年占有全球80%非接触IC卡市场份额的恩智浦半导体、其MIFAREone加密算法被成功破解所带来的巨大危机，更让人们意识到人脸识别技术的优势所在。中国是拥有世界上第一庞大人口基数的人口大国。人脸识别应用的发展潜力在现阶段的中国显的尤为重要，我国拥有巨大的人口基数，以及越来越频繁的流动性，14亿人口的管理，如何充分利用信息技术进行有效的身份认证，一直都是我们关注的焦点。

据了解，人脸识别技术在楼宇对讲和门禁领域的应用前景也被看好，有些门禁生产厂商已经生产了人脸识别门禁产品，也有楼宇对讲企业表示将应用人脸识别技术。另外，人脸识别产品在养老金领取管理等领域也已得到应用，或将得到推广。可见，该技术的应用领域会越来越广，市场也将更广阔。同时，随着越来越多企业跨界进入人脸识别领域，势必加剧该领域的竞争。有人认为，良性的竞争可以推动人脸识别技术的进一步发展和产品价格下降，从而加速人脸识别产品的应用。

10、技术难题

市场开发尚有阻碍因素

人脸与人体的其他生物特征(如指纹、虹膜等)一样与生俱来，它的惟一性和不易被复制的良好特性为身份鉴别提供了必要的前提。与其他类型的生物识别比较，人脸识别具有无须被采集对象配合、无须采集对象和设备直接接触、可以在同一场景中对多个人脸进行分拣、判断及识别等优点。这些特点使得人脸识别系统工作效率高、准确度高，且效果较好。然而，既便如此，我们也无法忽视人脸识别技术在研发和应用中的阻碍因素。

据了解，人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。

众所周知，所有人的脸部结构都是相似的，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体却是不利的。另一方面，人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件(例如白天和夜晚，室内和室外等)、人脸的很多遮盖物(例如口罩、墨镜、头发、胡须等)、年龄等多方面因素的影响。

加上整容技术的进步，人们对脸部可以作出更多的改变，这就又给人脸识别技术出了一道难题。

另外，随着人脸识别技术在市场上的应用越来越广泛，国际上出现了很多反对的声音，谴责人脸识别系统随意收集脸部信息侵犯了个人隐私。人脸识别系统潜力无限，但是发展越快就越要建立可以保护个人信息安全的配套系统。

近红外解决人脸识别光照难题

中国报告大厅、宇博智业市场研究员表示，传统的人脸识别技术主要基于可见光图像的人脸识别，这也是人们最熟悉的识别方式，有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。比如，拍照时遇到侧光时出现的“阴阳脸”现象，就可能无法正确识别。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但目前这两种技术还远不成熟，识别效果不尽人意

近红外人脸识别系统独树一帜，彻底解决了困扰人脸识别领域的环境光照影响问题。如前所述，传统的基于可见光的人脸识别方法在遇到光照情况变化时，识别效果会急剧下降，导致无法使用，因此消除环境光照是实用化人脸识别系统首先必须要解决的问题。基于近红外图像的人脸识别核心技术和系统，在不同光线条件下，能够拍摄不受环境光照变化影响的近红外人脸图像，加上领先的算法，能够取得很高的识别率。

11、刷脸支付

刷脸支付是指用户在购物后的支付认证阶段通过“扫脸”取代传统密码。2015年3月16日，在德国汉诺威IT博览会上，马云举起手机，通过支付宝“扫脸”支付，购买了一款1948年汉诺威纪念邮票，这是中国国内人脸识别技术应用到商业领域的首个产品雏形。

12、存在漏洞

你的脸正快速成为通往数字世界的钥匙。计算机、手机甚至在线商店正开始使用你的脸作为密码。但来自卡内基梅隆大学的最新研究显示，面部识别软件远称不上安全。

在2016年10月末的一个安全大会上，研究人员展示其论文，显示他们能够诱骗AI脸部识别系统错误识别脸部——让摄像头前的人显示成为另一个人，甚至使得系统认不出他是人。凭借一副特制的眼镜框，该团队迫使商用级脸部识别软件误认人脸的成功率达到100%。研究人员在阿里巴巴用于支付宝人脸识别的软件上也取得了同样的成果。

现代脸部识别软件依赖于深度神经网络——一种从大量信息中学习模式的人工智能技术。在被呈现过数百万张人脸之后，该类软件就能习得脸部概念，懂得如何分辨不同的脸。

该类软件在学习人脸的模样时，它非常依靠于特定的细节，如鼻子和眉毛的形状。卡内基梅隆大学打造的眼镜并不只是覆盖那些脸部细节，还会印上被计算机认为是人脸细节的图案。

为了展开测试，研究人员开发了一个先进的面部识别系统。在测试中，作为测试对象的一位白人男士戴着特制的眼镜，在系统中被识别成演员米拉·乔沃维奇（MillaJovovich）的概率高达87.57%。一位同样佩戴特制眼镜的亚洲女士被系统算法认为是中东男士的概率也达到87.57%。其他脸部被“盗”的名人包括卡森·戴利（CarsonDaly）、科林·鲍威尔（ColinPowell）和约翰·马尔科维奇（JohnMalkovich）。对于这些人，研究人员分别使用了40张他们的照片来做出用于鉴别出他们的眼镜。

如图所示，上面是戴上镜框测试系统的真人，下面是系统识别出的人。

该测试并非理论性的——卡内基梅隆大学用光滑的照片纸打印出了那些眼镜，在摄像头之前戴上它们，以模拟进入一座有脸部识别系统提供保护的建筑的场景。那些眼镜的制造成本为每副0.22美元。当研究人员用他们的眼镜设计针对商用脸部识别系统Face++进行测试时，他们能够做出测试中能100%冒充别人的眼镜。Face++目前的企业合作伙伴包括联想和英特尔，且被阿里巴巴用于安全支付。然而，那种测试是以数字形式进行的——研究人员是将眼镜编辑到照片上，因此在现实生活中躲过系统的成功率可能会低一些。

卡内基梅隆大学的研究是基于谷歌、OpenAI和宾夕法尼亚州大学之前的研究成果，后者发现深度神经网络受训练的方式存在系统性缺陷。通过利用那些缺陷，比如借助被称作对抗样本的有目的性的恶意数据，就像卡内基梅隆大学研究中打印在眼镜上的图像，研究人员能够迫使AI作出它原本不会作的决策。

在实验室中，这意味着一位40岁的白人女士研究人员被识别成约翰·马尔科维奇，不过该研究的成果也有可能会被试图侵入建筑或者从计算机窃取文件的人取得。

13、国内机场发展简史

自动人脸识别技术(AFR)的研究已经有近50年的历史(以1965年陈(Chan)和布莱索(Bledsoe)在PanoramicResearchInc。发表的技术报告为起点)，而大规模商业化却是近几年才出现的事情。

人脸识别作为一种生物识别手段，以其快速、无感、兼容性强受到众多行业的关注，有着强烈安防需求的机场当然也不例外。人脸识别在机场的应用国内与国外的差距十分微小，甚至略微领先国外，这篇文章主要关注人脸识别在国内机场的应用落地发展。

到目前为止，人脸识别在机场应用的过程从整体上可以分为两个阶段：第一个阶段是以人脸识别技术从实验室向机场落地的试探，经过近7年的探索。第二个阶段是深度学习介入后，识别率大幅上升，机场从试点到大规模应用的3年多。

国内历年新增应用人脸识别技术的机场数量统计

第一阶段漫长的潜伏探索期

早在2001年，美国发生“911”事件，华盛顿考虑在机场出入境使用生物识别技术强化身份认证和黑名单管理，拉开了生物识别技术在机场应用的帷幕。

2006年，清华大学电子工程系的苏光大教授便开始尝试将人脸识别技术应用在*、机场等领域进行尝试。同年，重庆江北机场也宣布开始人脸识别技术的验证工作。但是直到2008年夏天，当英国希思罗机场宣布将采用人脸识别技术时，国内的机场推进进程依旧遥遥无期。

2009年，北京首都机场启用人脸识别系统，用于员工身份核验，是国内率先使用人脸识别技术的机场。与之匹配的是存有个人信息的磁卡感应证件，员工需要先刷卡再使用人脸识别，识别系统在确认来者与磁卡中的信息吻合后，发出了“吱”的一声，这让机场员工顺利地通过安检口，进入工作区。

2013年1月，*桃园机场将人脸识别用于出入境自助通关，是国内首个将人脸识别技术应用在入出境管理的机场。

大陆首个将人脸识别技术应用于出入境自助通关的是沈阳桃仙机场。

这一时期，国内有许多学者和机场进行了有益的尝试，探索了人脸识别技术在机场场景应用的一些基本需求和问题。但由于当时传统的人脸识别技术效果并不理想，远远不能满足机场对识别速度、准确率、抗干扰性等各方面的要求。

2012年-2014年间，日本在机场启用人脸识别的工作经历了验证、暂停、重启的过程，最终在2017年7月落地，侧面验证了当时技术与实际使用需求之间的脱节，导致久久不能落地。

第二阶段马航破局，机场安防急剧变革

2014年，“马航事件”中，两名乘客使用国际刑警组织数据库里的失窃护照登上一架国际航班，让人们对有关证件检查与身份核验的程序感到十分担心。这再次促使机场和航空公司对生物识别技术的应用重视起来，人脸识别技术至少可以在视频监控、安检、登机环节分级校对身份。

此时，2006年重新兴起的深度学习开始取得突破，识别效果飞速上升，从实验室走向了业界。强烈的需求和较好的识别性能，促使了民航总局和机场开始对人脸识别技术的大规模落地进行尝试。

2014年7月，南京禄口机场首次将人脸识别技术应用于机场登机，但这个时候登机口只是显示采集的旅客信息，并不能实现自动通关。此后各个地区的机场都进行了为数不少的人脸识别系统验证，摸索适合机场应用的方式。

2016年7月，深圳宝安机场首次将人脸识别系统嵌入到机场安检信息系统。标志着人脸识别技术已经被机场所接纳。

2016年12月，银川机场成为全国首个全面正式上线人脸识别系统的机场，在航站楼出入口、安检口、VIP客户休息室、登机口、出入港廊桥等场景进行了切合实际业务的应用，进一步提升了机场安全保障能力和服务品质，从安全、运营、管理、服务等多角度全面智能化。

进入2017年，应用人脸识别技术的机场急剧增加，呈现井喷态势，但值得注意的是，大部分还是将其用于安检通关，表明机场对这项新技术的应用相当谨慎，对其它场景的应用呈观望和试用态度。

三个关键点首次尝试、登机、全面智能化

在国内机场应用人脸识别的历程中，有三个标志性的事件成为推动历史的关键点。

1、2009年北京首都机场的首次尝试是国内机场开始认识人脸识别技术的第一步，而限于当时人脸识别技术的水平，不得不采用磁卡进行交叉验证，确保身份的唯一性。在识别速度及准确率上，当时的人脸识别技术与深度学习介入后的人脸识别技术不在一个水平上；

2、2014年南京禄口机场首次尝试将人脸识别技术应用在登机上，虽然同样受限于当时的技术商业落地的水平，无法实现自助通关，却为接下去的应用提供了借鉴的想法和经验；

3、2016年12月，银川机场的全面智能化，标志机场智能化水平进入到一个新的阶段。除了安检通关和自助登机，人脸识别及相关的计算机视觉技术被应用到动态布控、人流引导、智慧航显、VIP迎宾、轨迹检索、保洁提醒等多个方面，为2017年人脸识别技术在机场应用的爆发打下了良好的基础。

全面智能化解决了哪些问题？

机场安全

通过系统的建设将进一步提高机场事前预防能力，变被动为主动。机场动态布控系统实现“黑名单”主动预警，主动防御。

人证合一检测系统能够从根本遏制不法分子企图通过冒用证件、伪造证件等途径混入机场控制区的违法行为。

登机口旅客人脸识别弥补了传统机场安防系统中“换牌登机”的漏洞，同时也避免出现旅客上错飞机的现象。

机场服务体验

银川机场新T3航站楼建设正式运行之后，银川机场已能够满足年旅客吞吐量1000万人次、货邮吞吐量10万吨。面对日益增加的旅客吞吐量，机场服务面临挑战。通过以人脸识别技术为抓手，平台数据分析为核心，衍生出多种机场服务功能应用(如VIP识别、绿色通道等)，在提升机场服务品质的同时，减轻机场工作人员的重复性服务工作，提高效率。

机场运营

智能保洁提醒通过人流统计，精确计算洗手间人数，通过数据分析预测清洁时间，然后通知工作人员，最大限度的解放劳动力，提高生产效率。

机场内部管理

运用人脸识别技术，增强机场自身内部管理。工作人员人脸信息与证件预留照片比对通过后放行，杜绝冒用工牌的现象发生。

奠定大数据应用基础

系统通过在进行人脸检测的同时，可以将机场旅客的各类信息以旅客人脸为核心有机串联，针对单个个体形成较为完善的数据信息。系统将所获取信息(如姓名、年龄、籍贯、消费习惯等)进行收集、存储、整理。为机场后期的大数据分析应用，智慧机场的建设提供基础数据建设。