人脸识别最古老最自然 “刷脸支付”难在哪里？

　　余昌

　　新闻背景

　　不久前，阿里巴巴集团董事局主席马云在德国玩的一场“刷脸秀”吸引了很多人的目光，在这次活动中，马云向德国总理默克尔与我国国务院副总理马凯，演示了蚂蚁金服的Smile to Pay扫脸技术，利用“刷脸支付”从淘宝网上购买了1948年汉诺威纪念邮票。

　　人脸识别最古老也最自然

　　“刷脸支付”其实也不是什么新鲜事儿，它是眼下研究很热门、发展很迅猛的人身识别技术的一种。

　　除了极端严重的“脸盲症”患者，我们识别一个人最原始、最自然、最方便的方法就是看他的脸。走在路上，迎面一个人过来，等我们看清了他的脸，就认出来了，“哦，老张！”

　　识别一个人的身份，是社会生活中十分重要的一件事情。以往人们想出了很多办法来做这件事，比如用钥匙，用证件，用密码等等，但这些都是身外之物，一旦遗失了、忘记了或被盗了，就很麻烦。

　　近几十年来，人们想到了利用人体固有的生物特征进行身份识别的办法，这就叫生物特征识别技术。由于这些生物特征是长在人的身体上的，所以也就不存在遗失、忘记或被盗的问题了。

　　这些办法有很多，比如指纹识别，这是应用最早、最广泛，也是目前最成熟的生物特征身份鉴别方法；再比如虹膜识别，虹膜是眼球前部含色素的环形薄膜，含有极其丰富的结构和纹理特征，到目前为止，虹膜识别的错误率是各种生物特征识别中最低的。此外，还有利用人的行为特征进行的笔迹识别、步态识别、声纹识别等等。

　　但是有一条，这些生物特征识别方法一般都需要人们的行为配合，比如按个指印儿，把眼睛贴到什么仪器上之类，显得很不自然，也不太友好。因此，最自然的方法还是要返璞归真——看见你的脸，就把你认出来了！

　　五十年来获得长足发展

　　早在19世纪末，有个叫高尔顿的测量狂人(这个人也是智商测量的始作俑者)就想到了人脸识别的问题，他在1888年和1910年分别在《自然》杂志上发表了两篇关于利用人脸进行身份识别的文章。他用一组数字代表不同的人脸侧面特征，并对人类自身的人脸识别能力进行了分析。但是当然，当时还不可能涉及人脸的自动识别问题。

　　据西安理工大学王映辉教授介绍，自动人脸识别的研究论文最早见于1965年，到现在已有五十年的历史。近年来，人脸识别研究得到了诸多研究人员的青睐，涌现出了很多新的技术和方法。尤其是自1990年以来，人脸识别更得到了长足的发展，每年都有大量的学术论文发表。现在，几乎所有知名的理工科大学和主要的IT产业公司都有研究组在从事人脸识别的研究。

　　人脸识别的具体过程可分为以下四步：第一步，搜集并初步处理人的脸部图像信息；第二步，从采集到的图像中提取关键的信息；第三步，进一步处理已有信息并将它们保存；第四步，比对，把需要识别的人脸与已经保存在数据库中的人脸信息进行匹配和甄别。

　　存在困难超乎一般人想象

　　这些看上去好像并不难，但对实际的人脸识别来说，面临的困难其实是超乎想象的，王映辉教授就介绍了以下几点：

　　光照问题。这是机器视觉中存在已久的问题，在人脸识别中的表现尤为明显，即使目前最好的人脸识别系统，在室外光照环境下，其识别率也会急剧下降；

　　姿态问题。这也是目前人脸识别研究中需要解决的一个技术难点。目前多数的人脸识别算法主要针对正面、准正面人脸图像，当发生俯仰或者左右侧面比较厉害的情况下，人脸识别算法的识别率也将会急剧下降；

　　表情问题。很遗憾，人的面部不像手指、虹膜，它是有丰富表情的地方。表情是一种很复杂的肌肉运动，每种表情是几十块面部肌肉共同运动的组合，很难用一个准确的数学模型来描述这些肌肉的运动。此外，表情的表现形式也因人而异，同一种表情在不同的人面部上有不同的表现形式。因此，如何有效地识别带有表情的图像，从而提高人脸识别的准确率，也是一个重要的挑战；

　　遮挡问题。对于非配合情况下的人脸图像采集，遮挡问题是一个非常严重的问题。特别是在监控环境下，往往被监控对象都会戴着眼镜、帽子等饰物，使得被采集出来的人脸图像有可能不完整，从而影响了后面的特征提取与识别；

　　生长问题。和指纹、虹膜不同，随着年龄的变化，面部外观也会变化，特别是对于青少年，这种变化会更加明显；

　　低质量照片问题。目前的多数人脸识别系统在算法设计和模型训练方面往往都只针对图像质量很好的情况，但对智能监控、公安系统犯罪嫌疑人照片比对等应用而言，照片的质量可能非常差。如何提高系统对这些低质量照片的识别能力也是人脸识别亟待解决的关键问题之一……

　　利用三维信息拥有更好未来

　　正是由于以上存在的种种困难，人脸识别的准确性目前仍低于虹膜、指纹识别，但由于它的无侵害性和方便、友好的方式，还是得到人们更多的重视。

　　王映辉教授介绍，人脸识别技术发展到今天，许多成果仍然是在二维信息基础上取得的，而真实世界中的人脸是三维的，三维信息特别是三维图像较之二维图像更能提供完整而真实的内容。如何有效地利用人脸的三维信息进行识别，将是一个极具挑战性的研究课题。

　　每种生物特征识别技术都有其一定的适用范围和要求，单一的生物特征识别在实际应用中显现出各自的局限性，如有些人的指纹无法提取特征，患眼疾的人虹膜会发生变化等。统计显示，目前还没有一个单生物特征能达到完美无误的要求。因此，生物特征识别领域出现了一种新方向，即多模态生物特征识别技术结合使用。

　　小贴士

　　生物特征识别

　　人体所固有的生物特征有许多，能够用来认证身份的生物特征应该具有以下的特性：

　　普遍性：每个正常人都应该具有这种特征；

　　惟一性：不同的人应该具有各不相同的特征；

　　可采集性：所选择的特征可以定量测量；

　　稳定性：所选择的特征至少在一段较长的时间内是不变的，并且特征的采集不随条件、环境的变化而变化。

　　在实际的生物特征识别系统中，还应考虑如下一些因素：

　　性能：识别的准确性、速度、可靠性以及为达到所要求的准确性和速度所需要的资源；

　　可接受性：使用者在多大程度上愿意接受这种生物特征识别系统；

　　安全性：用欺诈的方法骗过系统的难易程度。