□ 文/陆峰
人脸识别技术迎来井喷期
□ 文/陆峰
党的十九大报告提出要推进互联网、大数据、人工智能和实体经济的深度融合,人脸识别技术作为网络经济时代实体经济发展重要技术支撑新手段,近年来得到了快速发展。尤其是随着移动互联网、云计算、大数据等服务能力提升,驱动人脸识别技术不断成熟、应用场景快速拓展。技术、场景、资本三驾马车将推动人脸识别技术迎来井喷期。
近年来,人脸识别技术在社会治安和上班考勤等领域大规模应用,快速推动了技术成熟和市场发展。
首先深度学习和神经网络等技术的成熟把人脸识别技术带入了新的发展阶段,得益于深度学习技术的快速发展,采用神经网络技术可以让机器模拟出人类大脑的学习过程,并通过卷积神经网络模型和海量图片数据进行训练。目前,人脸识别的准确率已经从之前70%提升至99%以上。
另外,随着深度学习的推广,有关人脸识别的算法也在不断优化,在云计算和大数据计算环境的支持下,以往人脸识别技术只能处理数百人级别的数据比对,现在已经发展到上万人甚至更高量级的数据图片比对,且突破拍摄角度不正、光线变化复杂、分辨率低等多种不利条件。由于人脸识别技术的进步,特别是识别精度的提升和对环境依赖的降低,人脸识别技术应用开始从治安维稳、考勤打卡等领域向安全性较高的金融支付等领域发展,并开始在线下场景大规模应用。
近两年来,随着互联网金融的快速发展,人脸识别技术在金融领域应用呈爆发式增长态势。蚂蚁金服、京东、苏宁等互联网企业纷纷推出“刷脸支付”应用,招商等银行正尝试启用自动取款机“刷脸”取款功能,苹果新机iPhoneX“刷脸”解锁功能可以应用到ApplePay以及各种需要身份验证的App中,支付、取款、贷款等金融领域的人脸识别技术的应用已经走到了其他领域应用的前面。
人脸识别正在逐步从线上走到线下,人脸识别技术正在无人零售、快捷支付、酒店入住、高铁检票、机场安检等场景快速应用。首个“刷脸”支付的商用试点在杭州一家肯德基餐厅开启;北京西站、广州地铁等大客流场所人脸识别系统正在大规模应用,不光可以瞬间统计出进出客流人数,而且在维护公共安全以及打击恐怖主义活动中大显身手。
由于深度学习和神经网络等技术的快速发展,把人脸识别技术带入了新的发展阶段,人脸识别准确率提升至99%以上,场景也逐步从线上走到线下。
从优劣势来讲,与人脸识别技术相比,识别精度最高的是虹膜,但虹膜识别技术采集成本非常高,识别技术相对尚未成熟,识别效率相对较低。指纹的唯一性比较强,采集成本和对比成本也比较低,但指纹识别技术存在致命的弱点,由于指纹识别是静态图像之间的比对,静态指纹容易被复制,不适合支付等高安全要求场景。人脸识别从采集成本、比对效率,以及生命特征的唯一性来讲,性价比较高,另外非接触特性可以大大提升系统响应速度,提高使用便捷度,同时也避免指纹等接触式识别产生的疾病传播等卫生隐患,可以在不需要使用者配合情况下自动采集数据,非常有利于在治安防控等领域应用。
由于国家人工智能政策的大力扶持和庞大的市场需求驱动,预计未来一段时间,人脸(图像)识别市场将迎来爆发增长期,资本也看准其中的商机,纷纷加快投资布局。今年5月,上海依图科技完成3.8亿元C轮融资,该公司将计算机视觉技术应用于临床的人工智能影像诊断产品,大大提高了临床诊断水平。7月,商汤科技宣布完成4.1亿美元B轮融资,当时创下全球人工智能领域单轮融资最高纪录,商汤科技也成为全球融资额最高的人工智能独角兽企业。10月,旷视科技完成了C轮融资,融资金额达到4.6 亿美元,再次刷新AI领域融资纪录。
人脸识别技术市场潜力巨大,当前应用方向主要集中在:人证核验、金融支付、治安维稳和家居娱乐等领域。
人脸识别的商业应用场景随着技术能力的提高也在不断扩大,当前主要应用方向有以下几类:
人证核验领域。考勤打卡、票证核验、场所出入等领域由于人脸识别验证具有较高的便捷性,未来应用的场景和领域会越来越广。
金融支付领域。银行、证券、保险等金融服务领域的开户、支付、贷款等业务环节采用人脸识别技术进行远程认证将变得越来越普遍。目前网商银行、微众银行等互联网银行已经采用人脸识别+活体检测开展远程认证服务。
治安维稳领域。随着人脸识别技术的不断进步,治安维稳领域对人脸识别技术的需求将越来越强烈。应用人脸识别技术加大对公共场所人群人脸实时抓取、分析和比对,将显著提高社会治安维稳水平。特别是在人口流动密集的火车站、汽车站、商场、机场等场所,人脸识别技术在维护公共安全以及打击恐怖主义的活动中慢慢开始大显身手,越来越多的人脸识别设备被安装和应用到了上述场所。
家居娱乐领域。比如智能电视,采用人脸识别技术,精准识别用户,提供个性化服务将成为趋势。
由于市场和技术互为驱动,近年来人脸识别技术和市场发展非常快,但目前存在以下问题制约着人脸识别市场发展。
一是识别精度受环境条件影响较大。
人脸识别技术关键在于通过不同脸部图像上的特征关键点和面部表情网,找出彼此之间的关联,最终判定是否为某个人,但人脸是变化的,不同环境、不同角度、不同妆容都会影响特征关键点的抓取。目前,几乎所有公司宣传的人脸识别技术识别准确度都是在一定前置条件下取得的,但现实应用场景复杂多变,人群样本更大,不同光线、姿态、分辨率等条件都可能给机器识别带来困难,影响识别率,而且随着人的成长,脸的变化,大部分系统都没有人脸变化识别功能,都需要重新采集人脸信息。
二是用户隐私保护亟待加强。人脸特征与指纹、虹膜相比,是一个具有弱隐私的生物特征。多数人都会发自拍照,尤其是随着社交网络发展,很多人的自拍照很容在网上被搜索到和利用。人脸是相对公开的特征,利用公开照片提取的人脸特征,容易被重复利用。且人脸数据很难更改,人脸数据被盗窃利用风险极大,人不可能因为一次人脸数据被盗就去整容来更改自己独有的生物密码。另外,一些公司利用人脸识别系统采集了大量人脸照片,此类照片如果不加安全措施保存,一旦照片大规模泄露,将会产生巨大安全隐患。今年“3·15”央视晚会演示了用别人照片成功“骗”过人脸识别系统的例子。仅依靠采用人脸识别技术会存在较大安全性问题,为此很多公司都加大了“活体检测”力度,在安全性要求较高的应用场景中,除了用人脸识别技术之外,都会额外附加验证措施。
三是针对双胞胎、过度化妆和脸部整容等情况识别技术仍需进一步提升。人脸的角度、光线、表情、年龄、化妆、遮挡等会影响机器的判断,特别是针对双胞胎、过度化妆和脸部整容等情况,目前仅靠人脸识别还存在较大的技术障碍。网上已经有大量报道,针对同卵双胞胎、过度化妆和脸部整容,苹果新机iPhoneX“刷脸”显得无能为力。
四是相关行业标准有待完善。人脸识别技术逐渐走向成熟,应用越来越多,市场潜力巨大,技术要求高安全性、高准确率、高可用性、高实时性,但目前人脸识别技术还没有一个行业标准,包括保护公民隐私等相关内容在内的人脸识别标准体系应尽快出台。人脸识别是一条很长的产业链,保护用户隐私不仅需要靠公司的自律,更需要在政府引导下建立起整个行业的统一标准,共同筑起保护用户隐私的行业堤坝。
尽管人脸识别技术发展还存在一些问题,但互联网、云计算、大数据等技术红利和移动互联网在线认证服务需求将双重驱动人脸识别技术快速发展和普及应用。
虽然人脸识别技术迎来井喷期,但目前仍存在多方面问题制约其发展,例如识别精度受环境条件影响较大、用户隐私保护亟待加强、相关行业标准有待完善等方面。
互联网、云计算、大数据等技术将成为驱动人脸识别技术快速发展的三驾马车,推动人脸识别技术从小规模识别向大规模识别方向发展,从离线识别向在线实时识别方向发展,从大体识别向精准识别方向发展。另外,人脸识别技术是具有唯一生物特征较好的信息采集识别模式,人脸识别技术和应用发展势不可挡。未来将会有越来越多的领域和场景用人脸识别技术来取代传统密码验证、指纹识别等验证技术。特别在移动远程服务认证领域,移动互联网的发展和智能终端的普及,为移动远程服务认证提供了可能,人脸识别技术在移动智能终端的普及应用,为移动远程服务认证插上了腾飞的翅膀。银行、证券、电商、社交等需要实名制服务领域都将开启远程人脸识别验证模式,但受限于目前人脸识别技术还存在一定的瑕疵,身份证验证、活体检测等技术和人脸识别技术双重认证将长期存在。
陆峰赛迪智库互联网研究所副所长
责任编辑:高津菁
gaojj@staff.ccidnet.com