今年4月，马云在德国汉诺威IT博览会上当众演示刷脸支付;上月号称全球第一台具有人脸识别功能的ATM机在杭州诞生。而广州继养老金认证使用人脸识别技术后，地铁也将试点该技术用于甄别犯罪嫌疑人。就连微信朋友圈，前不久也被一款刷脸测年龄的应用刷了屏。

　　“刷脸”时代真的要来了?作为众多生物识别技术的一种，为什么“刷脸”这么热?有中科院专家认为，相较于其他生物识别技术，人脸识别技术采集成本较低，便利性较高，但缺点在于信息的可靠性及稳定性较弱。

　　刷脸取钱：从愚人节玩笑到现实

　　“一个空付的时代就要到了。”一段时长1分钟54秒的视频里，一位戴眼镜的年轻人对着镜头自信地说。2013年4月1日，支付宝公司官方微博发布了上述视频，视频里说的“空付”看起来像是科幻片里的情节：用户不带钱包、手机，直接在商店刷脸、文身甚至宠物，就可以付钱购物。随后，支付宝官方证实这只是愚人节的玩笑而已。

　　但仅仅过了两年，这个玩笑在现实中上演了。今年5月，全球第一台具有人脸识别功能的A T M机在杭州诞生。该机器由清华大学与某公司联合研发，是我国首台具有自主知识产权的金融安全设备。所谓A T M机的人脸识别，是通过读取用户身份证上的照片信息，然后将照片和A T M机顶端摄像头摄录下来的取款人面容，进行比对。它可与银行、公安等系统联网，从而遏制犯罪。

　　不仅可以认嫌犯　还能证明“你是你”

　　不仅可以通过人脸A T M取钱，广州地铁未来或将使用人脸识别技术。日前，公安部第一研究所开发的名为“面向未来”的人脸识别系统，已经正式向外界发布。系统在终端采集人脸信息后，与数据库里的逃犯等资料进行比对，从而甄别犯罪嫌疑人。该研究所研究员田青在接受媒体采访时称，2015年6月中旬，该款产品将到广州地铁站进行试点。

　　今年4月27日，广州市人社局就发布消息称，广州开发出非接触式人脸识别技术，退休人员完成首次面部数据采集建模后，只要在有互联网和摄像头的地方“扫脸”，就可以完成年度认证。为了防止养老金冒领，退休人员每年都要进行生存证明，以便确认资格。按照新办法，退休人员首先要进行数据建模采集，携带本人二代身份证等证件，到街镇退管部门进行面部数据采集建模，通过网上资格认证，就可以直接在网上操作，大大节约了时间。

　　金融支付和安防行业应用前景最广

　　“这个市场未来会很庞大，未来将进入野蛮扩张期。”上海逗点科技公司负责人张晰对南都记者说。他认为，人脸识别技术在安防行业未来将获得更大的想象空间。该公司研发出“低分辨率小图像的重建与识别”技术，协助公安部门破案。“比如有的案件，犯罪嫌疑人戴着墨镜遮住半边脸，我们的技术可以缩小范围。还有的视频中的像素点很低，通过这种软件复原，能从五六十万人中，把犯罪嫌疑人圈定在几百个人的范围内。”张晰表示。

　　此外，在重大会议中，参会者上传身份资料，并输入到门禁系统中，也可以甄别是否本人。上海逗点的技术，曾用于2008年北京奥运会和2014年的上海亚信峰会。在北京奥运会期间，观众进入鸟巢前，除门票外，还要逐一在进场通道前拍照。摄像头会在两秒内抓拍人脸，定位面部关键点，并提取特征，随后将认证结果同时上传到计算机，再通过计算机与观众的身份信息进行比对。

　　除了安防行业，人脸识别技术的另一大应用场景，是在金融支付领域。快速发展的互联网金融行业，需要个人征信体系作支撑，产业需求越来越大。而用户身份识别，成为登录征信系统的第一步。这正是人脸识别技术大规模商用的潜力所在。

　　2015年4月，马云就在德国汉诺威IT博览会上，当众演示了刷脸支付。这项由蚂蚁金服和北京旷视科技有限公司合作研发的技术，未来计划在购物后的支付认证阶段通过“扫脸”取代传统密码。蚂蚁金服某负责人接受媒体采访时称，扫脸支付未来会用于阿里巴巴在全球的支付、开户认证等业务领域。

　　比人的识别能力强，但暂时还是辅助手段

　　但刷一下脸，真的能够做到安全支付吗?中科院自动化研究所研究员孙哲南认为，目前的人脸识别技术上不完美，“如果脱离了密码输入，完全使用人脸识别技术进行存取款操作，是不太可能的。”上海逗点科技负责人张晰也表示，他认为目前在银行领域，人脸识别技术只能作为辅助手段，“银行的要求是零容忍，不能出现任何问题。”

　　虽然如此，“人脸识别技术比人的识别能力要强，而且强不少”，北京旷视科技市场与经营部总经理谢忆楠对南都记者说，“比如一个银行柜员对人脸识别的精度可能达到万分之一误识率，通过率可以超过90%;而我们最好的成绩是十万分之一的误识率，通过率可以超过97%-98%。”生物识别技术已经得到世界各大科技公司的重视。苹果推出指纹识别T ouchID，三星、小米已开始试水人脸解锁屏幕。

　　原理

　　把人脸分为100多个点模拟神经网络运算过程

　　人脸识别研究始于上世纪60年代末至70年代初，与指纹识别、掌纹识别、虹膜识别等都属于生物识别技术的一种。早期人脸识别技术，是测量人脸上根据眼角、鼻孔、嘴巴、下巴几个部位的几何关系，通过图像库中的人脸模板，与待识别人脸在灰度上的相似程度，来实现人脸识别。其弊端是容易丢失有用信息，在视角、表情等变化的情况下识别能力很差。

　　进入上世纪90年代，随着计算机技术的快速发展，在经历了技术的数次更新迭代之后，人脸识别技术已从最初对背景单一的正面灰度图像的识别，发展到能识别不同侧面的静态人脸，目前能做到动态进行人脸识别。

　　国际上，比较领先的研究机构是美国的麻省理工学院和英国的剑桥大学。国内关于人脸自动识别的研究始于20世纪80年代，主要的研究单位有清华大学、哈尔滨工业大学、中科院等。近年，在中国的互联网创业浪潮下，一批有着学术背景的新型生物识别创业团队开始崛起，如旷视科技下的face++团队、腾讯下属的优图团队等，采用了更先进的“深度学习”算法，用神经网络模拟人的神经网络运算过程，能达到更高精度。

　　成立于2012年的face+ +团队，已经与蚂蚁金服及多家银行开展合作。该团队所属公司的市场与经营部总经理谢忆楠对南都记者介绍，“比如有人在摄像头前，用手捂住了半张脸，按照传统回归算法，系统认为他不是一张人脸。因为它不符合系统通过回归运算得出的人脸标准结构;而深度学习算法，在判断是人脸的基础上，则会进入第二层判断，多重验证。”

　　作为人工智能技术研究的新阶段，深度学习算法相当于“教机器模仿人类的学习机制”。采用此算法后，操作者可以给系统提供大量数据，使其自己具备学习能力。比如，深度学习算法机器人，通过扫描互联网上猫的图片，操作者输入“猫”，然后经过一段时间，机器将这种毛茸茸的小动物与“猫”联系到了一起，可以自行鉴别什么是猫。谢忆楠介绍，目前该公司的人脸验证技术，“第一步是证明你是人，第二步是证明你是你。”在深度学习算法下，系统能够更加智能地识别人脸。

　　因为时间原因，身份证照片和用户当前的照片往往有一些差异，比如脸的宽度等，但瞳孔间的距离则相对恒定。传统回归运算可能会出现误差，深度学习算法则把人脸分为100多个关键点，尽量避免误差。

　　对比

　　与其他生物识别技术相比，“刷脸”有什么优劣?

　　中科院自动化研究所研究员孙哲南：人脸识别技术的优点是采集比较直观，成本较低，便利性较高且用户较易接受。但它的缺点也在于信息的可靠性及稳定性较弱。

　　具体来说，人脸所蕴含的信息量较指纹、虹膜等生物特征相比是比较少的，其变化的复杂性不够。例如，若要两个人的指纹或者虹膜基本相同，大概需要好几十乃至上百个比特(信息量的度量单位)达到完全重合才可以。但如果是人脸的话，十几个比特达到重合就可以了。在全世界，可以找到很多具有相似性的面孔。所以说，人脸的辨别性不是很高，它并没有那么独一无二。

　　另外，人自身内在的变化以及外在环境的变化都会影响采集时人脸的信息稳定度。相较于之前的人脸识别技术，目前的人脸识别技术有所提高，但是具体应用时还是不能达到完美状态。比如在A T M机上使用人脸识别技术，是在使用密码信息的基础上辅助的认证功能。如果脱离了密码输入，完全使用人脸识别技术进行存取款操作，是不太可能的。

　　北京旷视科技公司市场与经营部总经理谢忆楠：按照识别的精度排序，确实是虹膜、指纹、人脸的识别精度依次降低。但人脸可以根据摄像头的提升而提升，这个上升空间很大。从应用性来看，你现在让所有的中国人都去提取虹膜信息、指纹信息，这个很难，不现实。而我们每个人都有身份证照片，从对比库的角度来看，人脸识别是有一定优势的。还有个问题，就是设备。虹膜识别、指纹识别需要额外装置，而进行人脸识别，只要有一部手机就可以。从大规模推广的角度来看，人脸识别的瓶颈比较少