徐雯雯

摘要：隨著信息化領(lǐng)域的擴(kuò)大，生物特征識(shí)別已成為模式識(shí)別和人工智能領(lǐng)域的研究熱點(diǎn)。人臉識(shí)別作為生物特征技術(shù)中最具代表性的研究之一，現(xiàn)已應(yīng)用到我們?nèi)粘Ｉ畹母鱾€(gè)方面，公安刑偵、自助通關(guān)、FACE ID、刷臉支付，但其在應(yīng)用中的準(zhǔn)確率仍然難以滿足需求。本文將探討人臉識(shí)別技術(shù)在應(yīng)用中面臨哪些有利因素與弊端，以期更好解決相應(yīng)問題。

關(guān)鍵詞：人臉識(shí)別;難點(diǎn);應(yīng)用

中圖分類號：TP31? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號：1009-3044（2019）25-0233-02

今年5月份，舊金山政府官員通過一項(xiàng)禁止令，禁止個(gè)人購買和使用面部識(shí)別技術(shù)，還要求政府部門提交基于人臉識(shí)別的監(jiān)控技術(shù)政策用于公開審查。然而在大洋彼岸的中國，基于人臉識(shí)別的各種新產(chǎn)品新技術(shù)被不斷推出，并且“刷臉”技術(shù)已經(jīng)逐步在金融、公安、邊防、教育、醫(yī)療等多個(gè)領(lǐng)域“落地開花”，從身份審核到線下支付，從乘坐地鐵到取快遞……讓中國的老百姓享受著更便捷的生活。本文將探討人臉識(shí)別技術(shù)在應(yīng)用中面臨哪些有利因素與弊端。

1人臉識(shí)別技術(shù)存在劣勢識(shí)別精度竟然低于虹膜與指紋

人臉?biāo)依ǖ男畔⒘肯啾扔谥讣y、虹膜之類的生物特征是相對較少的，就變化的復(fù)雜性來說遠(yuǎn)遠(yuǎn)不夠。例如，采取兩個(gè)人的指紋或虹膜特征，大概需要幾十甚至上百個(gè)比特（信息量的度量單位）顯示完全重合才能反映其特征基本相同。而人臉只需要十幾個(gè)比特就能反映其是否相似。在全球各地，存在很多相似的面孔。一個(gè)住在廣州的人去了烏魯木齊有時(shí)候會(huì)認(rèn)錯(cuò)朋友，從視覺直觀上都會(huì)存在誤差，從數(shù)據(jù)分析上人臉的可辨別性也不高。

從現(xiàn)階段技術(shù)所達(dá)到的水平來看，人的面部信息是唯一在用戶不察覺的情況下就可以收取到的生物特征信息。如需采集其他生物特征，例如指紋、掌紋、虹膜、靜脈、視網(wǎng)膜采集都需要用戶主動(dòng)配合，也就是如用戶拒絕采集，將無法獲得這些信息特征，何提高質(zhì)量可分析的生物特征信息呢？同時(shí)，人臉天生就暴露在外，識(shí)別身份具有自然性，同時(shí)，應(yīng)用成本較低。

但與其他生物識(shí)別技術(shù)相比，“刷臉”也有一定技術(shù)上優(yōu)劣。信息的可靠性和穩(wěn)定性較弱是它一重要缺陷。

另外，采集人臉時(shí)無論是人體自身發(fā)生變化還是外在環(huán)境的改變都會(huì)影響其信息穩(wěn)定度。相比以前的所使用的人臉識(shí)別技術(shù)，現(xiàn)在的人臉識(shí)別技術(shù)大有提高，但在具體應(yīng)用時(shí)離完美狀態(tài)還相差甚遠(yuǎn)。如今，保守估計(jì)，人臉識(shí)別技術(shù)準(zhǔn)確率能達(dá)到99%，但沒有達(dá)到100%。同時(shí)，對于雙胞胎，由于相似特征太多，人臉識(shí)別基本不可能完成。比如人臉識(shí)別技術(shù)應(yīng)用于銀行自助存取款機(jī)上，是以輸入密碼信息為前提條件下的輔助認(rèn)證功能。如果完全脫離密碼輸入步驟，單純使用人臉識(shí)別技術(shù)進(jìn)行存取款操作，其安全性將會(huì)降低。

相關(guān)專家提出，生物特征的識(shí)別精度從高到低排序依次為虹膜、指紋、人臉。但隨著科技的發(fā)展，攝像頭的提升將會(huì)帶動(dòng)人臉識(shí)別精度的提升，上升空間巨大。

2 人臉識(shí)別在實(shí)際應(yīng)用中面臨的挑戰(zhàn)

技術(shù)發(fā)展到今天，我們已經(jīng)可以在各個(gè)領(lǐng)域中體驗(yàn)到人臉識(shí)別帶給我們的方便便捷，手機(jī)的FACE ID 、超市刷臉付款、人臉自助通關(guān)，但業(yè)界還是將人臉識(shí)別技術(shù)列為生物特征識(shí)別技術(shù)中難度較高的研究課題之一。另外，人臉、識(shí)別技術(shù)自身優(yōu)勢也存在兩面性，自然性、不易察覺以及非接觸性也致使人臉識(shí)別技術(shù)在一些特定領(lǐng)域面臨環(huán)境復(fù)雜性。

2.1背景干擾復(fù)雜多樣

人臉檢測是人臉識(shí)別的第一步，首先要對監(jiān)控場景中出現(xiàn)的人臉進(jìn)行定位，能否正確識(shí)別出人臉直接影響人臉識(shí)別的性能。當(dāng)監(jiān)控鏡頭下的場景背景比較復(fù)雜時(shí)，人臉檢測正確率也會(huì)相應(yīng)降低，因此要求人臉檢測算法能適應(yīng)復(fù)雜背景干擾問題是人臉識(shí)別技術(shù)的難點(diǎn)之一。

2.2光照條件復(fù)雜多變

機(jī)器視覺中光照問題一直存在，在人臉識(shí)別中影響更加明顯。在實(shí)際智能監(jiān)控場景中，監(jiān)控下光線變化會(huì)嚴(yán)重影響到采集人臉圖像的質(zhì)量，如圖1所示。解決此問題目前有兩種方案：三維圖形人臉識(shí)別和熱成像人臉識(shí)別，但這兩種技術(shù)效果不明顯仍然未能克服光照對識(shí)別率的影響。

2.3人臉姿態(tài)表情變換不一

人類面部表情多種多樣，面部變化較大的哭、笑、憤怒等表情也會(huì)影響面部識(shí)別的準(zhǔn)確度。當(dāng)人臉表現(xiàn)出不同情緒時(shí)，人臉輪廓和面部紋理會(huì)發(fā)生變化，面部特征點(diǎn)的位置也會(huì)相應(yīng)改變。圖2上排圖像是原始照片，下排是處理之后的照片，直觀上面部表情看著很別扭，但是計(jì)算機(jī)主要是通過面部區(qū)域識(shí)別的，所以矯正過后識(shí)別率會(huì)明顯上升。

2.4人臉角度的多樣性

面部變化投射到空間中可以看為頭部在三維垂直坐標(biāo)系中繞三個(gè)軸旋轉(zhuǎn)，有平面旋轉(zhuǎn)和深度旋轉(zhuǎn)。從圖3可以看出，從不同角度檢測到的人臉輪廓會(huì)發(fā)生變化，當(dāng)前多數(shù)人臉識(shí)別算法只是針對正面人臉，角度的變化也可能會(huì)導(dǎo)致人臉特征部分無法被正確提取，人臉識(shí)別率相應(yīng)降低。

2.5 外部遮擋問題

對于在非主動(dòng)配合狀態(tài)下的人臉采集，面部特征遮擋是一個(gè)非常嚴(yán)重的問題。自然條件下帽子、眼鏡等常見配飾，長勢如韭菜的胡子和遮臉神器劉海也嚴(yán)重影響了人臉的特征提取，如圖4所示。被采集的人臉圖像不太完整，影響后期特征提取與識(shí)別，甚至導(dǎo)致人臉檢測算法出錯(cuò)或失效。

3 人臉識(shí)別不只是隱私問題 信息泄露面臨更大安全隱患

最近兩年是人工智能的爆發(fā)年。隨著人工智能的助力，人臉識(shí)別技術(shù)以其不可復(fù)制性、非接觸性、可擴(kuò)展性和快速性等特點(diǎn)在多種生物識(shí)別技術(shù)中脫穎而出。人臉識(shí)別在安防、金融、教育等領(lǐng)域得到廣泛應(yīng)用，尤其是在智慧校園應(yīng)用中，門禁出入口、人員身份識(shí)別、支付消費(fèi)，甚至運(yùn)用到在課堂上，通過分析學(xué)生面部表情，找出不認(rèn)真的學(xué)生。例如去年，某中學(xué)使用“黑科技”打造“智慧教室”，對學(xué)生進(jìn)行表情監(jiān)控，以提高課堂教學(xué)效率時(shí)。但輿論普遍質(zhì)疑，認(rèn)為類似做法不尊重孩子人格，侵犯學(xué)生隱私。

2019年5月，舊金山市頒布的新條例決定禁止全市53個(gè)部門使用人臉識(shí)別技術(shù)，其中就包括舊金山警察局。人臉識(shí)別技術(shù)在美國的爭議一直不斷，反對者普遍認(rèn)為，如果不對這項(xiàng)技術(shù)進(jìn)行規(guī)范，將會(huì)為政府提供前所未有的權(quán)力來跟蹤人們的日常生活，侵犯人們隱私，這與健康的民主不相容。同時(shí)，“美國公民自由聯(lián)盟”（ACLU）測試了亞馬遜的人臉識(shí)別系統(tǒng)，發(fā)現(xiàn)人臉識(shí)別系統(tǒng)的準(zhǔn)確性并不高。

除了人們?nèi)粘８杏X到的認(rèn)為，含有人臉識(shí)別技術(shù)的攝像頭侵犯了人們的隱私外。另外，由于人臉特征信息作為高敏感性信息，會(huì)有不法人員企圖通過不法手段獲取這些信息。雖然目前不管是政府、研究單位還是企業(yè)越來越重視信息安全保障，但還是存在人臉信息泄露的風(fēng)險(xiǎn)。

據(jù)相關(guān)媒體報(bào)道，今年2月份，荷蘭某安全研究員在社交網(wǎng)站上表示，中國的一家面部識(shí)別公司SenseNets（即深網(wǎng)視界）未對內(nèi)部數(shù)據(jù)庫做密碼保護(hù)，將數(shù)據(jù)庫暴露在公網(wǎng)上，導(dǎo)致超過數(shù)百萬公民的個(gè)人信息數(shù)據(jù)能夠不受限制被訪問。

據(jù)其介紹，此次信息泄露事件主要涉及一個(gè)內(nèi)含超過250萬人信息的數(shù)據(jù)庫——深網(wǎng)視界內(nèi)部的MongoDB數(shù)據(jù)庫，不僅包括身份證數(shù)據(jù)、照片、工作信息等基本信息，該數(shù)據(jù)庫還可動(dòng)態(tài)記錄個(gè)人位置信息，僅2月12日至2月13日的24小時(shí)，就有超過680萬個(gè)地點(diǎn)被記錄在案。

從技術(shù)層面講，人臉識(shí)別技術(shù)的大規(guī)模使用，人臉是無法復(fù)制的，但是基于人臉特征點(diǎn)的信息是以數(shù)字化信息進(jìn)行存儲(chǔ)的，相關(guān)數(shù)據(jù)庫就面臨著被黑客攻擊或者自身防范不力導(dǎo)致泄露事件。人臉特征數(shù)據(jù)庫的外泄將面臨更大的隱患，首先以往密碼被竊取，可通過重新設(shè)置實(shí)現(xiàn)密碼更改，并提高安全防范級別。但人臉等生物特征信息是唯一且終身不變的，因此，一旦泄露就將導(dǎo)致人們個(gè)人財(cái)產(chǎn)或者隱私等被公開，造成重大損失，并且無法挽回。

【通聯(lián)編輯：梁書】