关于人脸识别技术的难点和劣势

徐雯雯

摘要：随着信息化领域的扩大，生物特征识别已成为模式识别和人工智能领域的研究热点。人脸识别作为生物特征技术中最具代表性的研究之一，现已应用到我们日常生活的各个方面，公安刑侦、自助通关、FACE ID、刷脸支付，但其在应用中的准确率仍然难以满足需求。本文将探讨人脸识别技术在应用中面临哪些有利因素与弊端，以期更好解决相应问题。

关键词：人脸识别;难点;应用

中图分类号：TP31    文献标识码：A

文章编号：1009-3044（2019）25-0233-02

今年5月份，旧金山政府官员通过一项禁止令，禁止个人购买和使用面部识别技术，还要求政府部门提交基于人脸识别的监控技术政策用于公开审查。然而在大洋彼岸的中国，基于人脸识别的各种新产品新技术被不断推出，并且“刷脸”技术已经逐步在金融、公安、边防、教育、医疗等多个领域“落地开花”，从身份审核到线下支付，从乘坐地铁到取快递……让中国的老百姓享受着更便捷的生活。本文将探讨人脸识别技术在应用中面临哪些有利因素与弊端。

1人脸识别技术存在劣势识别精度竟然低于虹膜与指纹

人脸所囊括的信息量相比于指纹、虹膜之类的生物特征是相对较少的，就变化的复杂性来说远远不够。例如，采取两个人的指纹或虹膜特征，大概需要几十甚至上百个比特（信息量的度量单位）显示完全重合才能反映其特征基本相同。而人脸只需要十几个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。一个住在广州的人去了乌鲁木齐有时候会认错朋友，从视觉直观上都会存在误差，从数据分析上人脸的可辨别性也不高。

从现阶段技术所达到的水平来看，人的面部信息是唯一在用户不察觉的情况下就可以收取到的生物特征信息。如需采集其他生物特征，例如指纹、掌纹、虹膜、静脉、视网膜采集都需要用户主动配合，也就是如用户拒绝采集，将无法获得这些信息特征，何提高质量可分析的生物特征信息呢？同时，人脸天生就暴露在外，识别身份具有自然性，同时，应用成本较低。

但与其他生物识别技术相比，“刷脸”也有一定技术上优劣。信息的可靠性和稳定性较弱是它一重要缺陷。

另外，采集人脸时无论是人体自身发生变化还是外在环境的改变都会影响其信息稳定度。相比以前的所使用的人脸识别技术，现在的人脸识别技术大有提高，但在具体应用时离完美状态还相差甚远。如今，保守估计，人脸识别技术准确率能达到99%，但没有达到100%。同时，对于双胞胎，由于相似特征太多，人脸识别基本不可能完成。比如人脸识别技术应用于银行自助存取款机上，是以输入密码信息为前提条件下的辅助认证功能。如果完全脱离密码输入步骤，单纯使用人脸识别技术进行存取款操作，其安全性将会降低。

相关专家提出，生物特征的识别精度从高到低排序依次为虹膜、指纹、人脸。但随着科技的发展，摄像头的提升将会带动人脸识别精度的提升，上升空间巨大。

2 人脸识别在实际应用中面临的挑战

技术发展到今天，我们已经可以在各个领域中体验到人脸识别带给我们的方便便捷，手机的FACE ID 、超市刷脸付款、人脸自助通关，但业界还是将人脸识别技术列为生物特征识别技术中难度较高的研究课题之一。另外，人脸、识别技术自身优势也存在两面性，自然性、不易察觉以及非接触性也致使人脸识别技术在一些特定领域面临环境复杂性。

2.1背景干扰复杂多样

人脸检测是人脸识别的第一步，首先要对监控场景中出现的人脸进行定位，能否正确识别出人脸直接影响人脸识别的性能。当监控镜头下的场景背景比较复杂时，人脸检测正确率也会相应降低，因此要求人脸检测算法能适应复杂背景干扰问题是人脸识别技术的难点之一。

2.2光照条件复杂多变

机器视觉中光照问题一直存在，在人脸识别中影响更加明显。在实际智能监控场景中，监控下光线变化会严重影响到采集人脸图像的质量，如图1所示。解决此问题目前有两种方案：三维图形人脸识别和热成像人脸识别，但这两种技术效果不明显仍然未能克服光照对识别率的影响。

2.3人脸姿态表情变换不一

人类面部表情多种多样，面部变化较大的哭、笑、愤怒等表情也会影响面部识别的准确度。当人脸表现出不同情绪时，人脸轮廓和面部纹理会发生变化，面部特征点的位置也会相应改变。图2上排图像是原始照片，下排是处理之后的照片，直观上面部表情看着很别扭，但是计算机主要是通过面部区域识别的，所以矫正过后识别率会明显上升。

2.4人脸角度的多样性

面部变化投射到空间中可以看为头部在三维垂直坐标系中绕三个轴旋转，有平面旋转和深度旋转。从图3可以看出，从不同角度检测到的人脸轮廓会发生变化，当前多数人脸识别算法只是针对正面人脸，角度的变化也可能会导致人脸特征部分无法被正确提取，人脸识别率相应降低。

2.5 外部遮挡问题

对于在非主动配合状态下的人脸采集，面部特征遮挡是一个非常严重的问题。自然条件下帽子、眼镜等常见配饰，长势如韭菜的胡子和遮脸神器刘海也严重影响了人脸的特征提取，如图4所示。被采集的人脸图像不太完整，影响后期特征提取与识别，甚至导致人脸检测算法出错或失效。

3 人脸识别不只是隐私问题 信息泄露面临更大安全隐患

最近两年是人工智能的爆发年。随着人工智能的助力，人脸识别技术以其不可复制性、非接触性、可扩展性和快速性等特点在多种生物识别技术中脱颖而出。人脸识别在安防、金融、教育等领域得到广泛应用，尤其是在智慧校园应用中，门禁出入口、人员身份识别、支付消费，甚至运用到在课堂上，通过分析学生面部表情，找出不认真的学生。例如去年，某中学使用“黑科技”打造“智慧教室”，对学生进行表情监控，以提高课堂教学效率时。但舆论普遍质疑，认为类似做法不尊重孩子人格，侵犯学生隐私。

2019年5月，旧金山市颁布的新条例决定禁止全市53个部门使用人脸识别技术，其中就包括旧金山警察局。人脸识别技术在美国的争议一直不断，反对者普遍认为，如果不对这项技术进行规范，将会为政府提供前所未有的权力来跟踪人们的日常生活，侵犯人们隐私，这与健康的民主不相容。同时，“美国公民自由联盟”（ACLU）测试了亚马逊的人脸识别系统，发现人脸识别系统的准确性并不高。

除了人们日常感觉到的认为，含有人脸识别技术的摄像头侵犯了人们的隐私外。另外，由于人脸特征信息作为高敏感性信息，会有不法人员企图通过不法手段获取这些信息。虽然目前不管是政府、研究单位还是企业越来越重视信息安全保障，但还是存在人脸信息泄露的风险。

据相关媒体报道，今年2月份，荷兰某安全研究员在社交网站上表示，中国的一家面部识别公司SenseNets（即深网视界）未对内部数据库做密码保护，将数据库暴露在公网上，导致超过数百万公民的个人信息数据能够不受限制被访问。

据其介绍，此次信息泄露事件主要涉及一个内含超过250万人信息的数据库——深网视界内部的MongoDB数据库，不仅包括身份证数据、照片、工作信息等基本信息，该数据库还可动态记录个人位置信息，仅2月12日至2月13日的24小时，就有超过680万个地点被记录在案。

从技术层面讲，人脸识别技术的大规模使用，人脸是无法复制的，但是基于人脸特征点的信息是以数字化信息进行存储的，相关数据库就面临着被黑客攻击或者自身防范不力导致泄露事件。人脸特征數据库的外泄将面临更大的隐患，首先以往密码被窃取，可通过重新设置实现密码更改，并提高安全防范级别。但人脸等生物特征信息是唯一且终身不变的，因此，一旦泄露就将导致人们个人财产或者隐私等被公开，造成重大损失，并且无法挽回。

【通联编辑：梁书】