人脸识别已经进入2.0时代 追求更自然的AI交互

摘要:随着技术的进一步发展，虹膜识别有了专用的红外摄像头和专用红外灯，这让识别更具可行性。除了识别扫描射线升级之外，机器学习和算法本身的迭代也是解决信度难题的重要方面。林元庆表示，数据、算法、产品是一个正循环，数据的迭代和算法的演进促进更好的产品产生，而更好的产品又反作用于数据和算法的进一步精进。“事实上，百度人脸识别技术的突破与近年来算法上的大量投入密不可分。”林元庆说，“百度进入人脸识别行业，走的是技术路线”。

    【CPS中安网 cps.com.cn】所谓生物识别技术就是，通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性，(如指纹、脸象、虹膜等)和行为特征(如笔迹、声音、步态等)来进行个人身份的鉴定。其中，占有率最高的就是指纹识别了。据估算，到2020年生物识别技术市场规模将达到250亿美元，5年内年均增速约14%。

1
“刷脸”“虹识”呼声高

中科院自动化所生物识别与安全技术研究中心主任李子青告诉笔者，非接触类生物识别技术是指终端设备不需要和用户直接接触便可收集身份特征信息的技术，虹膜识别、人脸识别、声纹识别、视网膜识别等都属于这种类型。与声纹识别对声音环境要求较高、视网膜识别对矫正视力人群可能带来的不便不同，业内普遍认为人脸识别和虹膜识别的应用场景更具广泛性和便捷性，其商业化前景更值得期待。

虹膜识别已走进大家日常生活。目前全球已有50多个机场都设置了只需通过虹膜识别而让旅客直接通关的系统。新加坡也于今年开始采用“虹膜扫描”作为旅客及新加坡公民除了照片、指纹外的又一身份辨识依据。虹膜识别在金融领域也大显身手：为了避免传统银行“用户名+密码”的信息数据库被不法人员撞库窃取，部分银行开始增加虹膜识别验证，即只有虹膜扫描信息和账户信息完全匹配时，客户才可以获得资金提取的授权，安全级别全面升级。

相比指纹和数字密码，虹膜识别在互联网支付应用中安全性更高，这也使得虹膜扫描系统相继获得三星等品牌手机的青睐。在北京中科虹霸科技有限公司副总经理邱显超看来，“虹膜手机”或将成为未来人们不可或缺的“智能器官”。

不过，公众对人脸识别的期待比虹膜识别更甚：“刷脸吃饭”“刷脸通行”真的可以实现了吗?“如今在百度科技园，员工们1秒钟就能通过‘刷脸通行闸机’，不用工卡、不必等待。”百度深度实验室主任林元庆向笔者描述了百度人脸识别技术的应用：“下一个应用场景很可能是百度食堂——百度员工去食堂吃饭就可以告别工卡了，几万人将率先享受‘刷脸’的便捷。”

追求更自然的AI交互

人脸识别有两个不同的场景，一个是1：1的人脸比对，一个是1：N的人脸识别。前者常见于银行、公安系统一些应用，一般需提交个人身份证信息和人脸特征，然后系统再拿身份证照片和提交的信息进行1：1的比对;后者也已在刑侦等领域有一定应用，但由于1：N识别精度问题导致难度较高，传统上公安系统也只是借助这项技术辅助侦查，对识别结果还“不能确信”、对嫌疑人“不能锁定”。

百度“刷脸”技术选择的是1：N的精准识别。林元庆透露，百度从2016年开始发力1：N的识别应用，并取得很大技术突破，“已经可以将1：N的人脸识别做到非常精确”。百度方面此前宣布，百度大脑的人脸识别监测准确率已达99.7%。

“如果准确率不够，在刷脸通行闸机的应用上就可能会导致百度的员工被拦在门外，这种情况是不能容忍的。”林元庆告诉笔者，百度人脸识别的精确度有两个指标：误通过率和通过率。“通过率容易理解，就是指匹配的正确率。误通过率就是指‘不是百度的人轻易放行了’，我们这个指标接近于0;通过率则在99%以上。”

事实上1：N精准识别要做到高精准识别度并非易事。这也让李子青在内的学者们怀疑：“真的有宣传中所说的那么高吗?”“1：N做到高精准识别度是最难的。”林元庆也坦承，特别是随着数据库的增大——目前百度通行闸机和未来百度食堂的数据库为2万~5万人——对识别的精准度和安全性都提出了更为严峻的挑战。

“但这样才正是百度的‘菜’。”林元庆说，只有实现1：N精准识别，才是真正给原有人脸识别方式带来革命性变化，让人工智能(AI)时代的交互更智能、更便捷。“我们一定做到这一点，因为我们希望以后的AI界面将是非常自然，跟我们的生活无缝对接的。”

悄然进入2.0时代

事实上，在人脸识别最初走向应用之时，“准确率”就一直是深化应用的瓶颈所在。特别是，最初的二维人脸识别并不能达到“脸”与“人”的高度匹配。“人脸跟踪识别技术已进入2.0时代。”人工智能科技公司ULSee创始人叶舟告诉笔者：“传统的人脸识别技术主要是基于可见光图像的人脸识别，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，而且还存在其他比如侧脸、正脸差异较大，用照片图像进行欺诈等问题。”

一位生物识别技术领域公司的产品经理告诉笔者，“如今，活体检测取代了静态的图片识别，红外光作为人脸特征的采集手段弥补了可见光识别的不足，真人面具、照片、手机视频都不能‘蒙混过关’。”而且，这位产品经理说，今天人们面对人脸扫描仪，不再需要“摇头晃脑”跟机器“互动”来保证录入信息的真实。

目前，人脸关键点检测技术可以精确定位面部的关键区位，甚至可以做到支持一定程度遮挡以及多角度人脸，这便准确率大幅度提升。即便如此，双胞胎识别、整容易容前后的识别仍然是人脸识别的技术瓶颈所在。对此，李子青告诉笔者，虹膜识别或许成为解决这个难题的突破口之一。

与人脸形态在人不同生命阶段所展示出来的不确定性不同，虹膜具有高度的确定性和唯一性，它从胎儿发育到肉体死亡，整个过程中始终保持其形态的确定性和与其他个体的差异性。虹膜的这种属性早就受到生物识别技术专家的重视。作为非接触类生物识别的重要内容，虹膜识别同样不需要眼睛与设备的直接接触，更加方面、快捷，虹膜与人脸的双重认证为脸部识别“上了双保险”。

不过，人类的平均虹膜直径为12mm，中国人的平均虹膜直径更小。较小的外露面积造成了虹膜特征信息收集的难度。李子青说，“此外，中国人虹膜色彩的丰富性也远远低于西方人，这也是虹膜识别面临的问题之一。”

随着技术的进一步发展，虹膜识别有了专用的红外摄像头和专用红外灯，这让识别更具可行性。除了识别扫描射线升级之外，机器学习和算法本身的迭代也是解决信度难题的重要方面。林元庆表示，数据、算法、产品是一个正循环，数据的迭代和算法的演进促进更好的产品产生，而更好的产品又反作用于数据和算法的进一步精进。“事实上，百度人脸识别技术的突破与近年来算法上的大量投入密不可分。”林元庆说，“百度进入人脸识别行业，走的是技术路线”。