| 设为首页
当前位置: 首页 » 资讯 » 行业资讯 » 正文

人脸识别迎井喷期 双胞胎和过度化妆和整容能分辨吗?

放大字体  缩小字体 发布日期:2017-11-07  来源:财富动力网综合  浏览次数:98
  人脸识别这一项技术相信许多人都有听说过,甚至已经很多人都已经用过人脸识别技术来刷脸吃饭或者做其他事情了。那么,人脸识别的时代,:“刷脸”如何确保精准度?双胞胎和过度化妆和整容能分辨吗?隐私问题又该要如何保护?

    人脸识别迎井喷期专家建议完善相关行业标准保护用户隐私

    近期,“刷脸”成为了热词,人脸识别技术不断进入大众视野。苹果新机iPhoneX具备“刷脸”解锁功能,并且可运用到ApplePay以及各种需要身份验证的App中;首个“刷脸”支付的商用试点也在杭州一家肯德基餐厅开启;一些银行正尝试启用自动取款机“刷脸”取款功能;高铁检票、宾馆入住也在使用“刷脸”技术……

1

    人脸识别已经在人们衣食住行的各个领域发力,迎来运用的“井喷期”,其中,金融和安防等行业成为应用“先锋”领域。随着人脸识别技术的商用场景不断扩充,市场潜力巨大,资本嗅到商机纷纷涌入。来自前瞻产业研究院的数据显示,2016年我国人脸识别行业市场规模已超过10亿元,预计到2021年将达到51亿元左右。

    “刷脸”时代带来巨大市场

    刷脸进站、刷脸取款、刷脸支付、刷脸报到……随着人脸识别技术的日渐成熟,“刷脸”时代正在到来。在业内人士看来,人脸识别技术正在不断突破各个行业应用的“阈值”,带来日趋丰富的应用场景。

    “随着深度学习算法登场,人脸识别精度相比五年前已有大幅飞跃。”360公司副总裁、人工智能研究院院长颜水成说,各种设备拍摄人脸所提取的信息会结成数据对,不断积累的海量数据成为反哺技术完善的“充足养料”。

    蚂蚁金服生物识别技术负责人陈继东说,近年来得益于深度学习的迅速发展,我们可以基于神经网络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的图片数据进行训练。生物识别从以前70%、80%的准确率提升至近两年的99.6%甚至99.7%,具备商用条件。同时,在支付场景中人脸识别技术的误识率已经达到十万分之一。

    旷视科技副总裁谢忆楠告诉记者,人脸识别技术主要有三大应用方向,一种为1:N认证,判断某个体是否为特定群体中的一员,用于人员出入管理和城市安防,包括公安抓捕逃犯、小区门禁启用刷脸系统,以及一些商家的VIP管理等。

    另一种为1:1认证,即证明本人与证件信息是统一的,主要应用于需要实名制验证的场景。南航今年6月在河南南阳机场启用的“刷脸登机”,武汉火车站和广州南站启用的“刷脸进站”,即属于此类。

    第三种是活体检验,证明是真人在操作业务,进而做账户许可授权。中信银行的ATM和移动客户端可以进行远程身份认证,海通证券可以远程开户,滴滴平台则可以查验驾驶者是否为注册司机。

    人脸识别正在慢慢从线上走到线下,在无人零售、快捷支付、酒店入住等场景中亮相。资本看准其中的商机,纷纷入局。今年7月,商汤科技宣布完成4.1亿美元B轮融资。上海依图科技与北京旷视科技完成了C轮融资,金额分别为3.8亿元人民币与1亿美元。来自前瞻产业研究院的数据显示,2016年我国人脸识别行业市场规模已超过10亿元,预计到2021年将达到51亿元左右。

    技术准确度突破可期

    专家认为,未来,人脸识别技术还会继续突破。一方面,准确度、安全性会继续提升,针对整容、双胞胎等特殊情况的处理能力也在提升。另一方面,人脸识别能够处理的数量级也会继续扩大。当技术已经进步到可以在上亿张照片的数据库中提取、比对某张人脸时,则应用场景会逐步扩大。

    据颜水成介绍,通常人脸识别包含以下环节:相机或者专业设备先采集到图片,人脸检测技术定位图片中的人脸,然后从中再定位诸如眼角、鼻尖、嘴角、脸部轮廓线等特征,进行包括光线补偿或者遮挡物剔除等校正。再用深度学习算法进行身份特征提取,跟数据库中的人脸特征做比对,以识别人脸身份。

    业内人士认为,其中的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,最终判定这些图像是否为同一个人。但人脸是变化的,不同角度、不同妆容都能影响特征关键点的抓取。

    此外,“刷脸支付”是在线下公共设备和开放环境下进行,真实场景复杂多变,且安全性要求更高。生物识别技术对人们的生活带来更多便利还是挑战?

    疑惑一:“刷脸”如何确保精准度?

    在衡量人脸识别能力时,很多公司都会宣称其准确率超过“99%”。对此,长期研究机器学习的西安交通大学电信学院特聘教授、国家“千人计划”专家龚怡宏表示,这里的准确率指的是在一些世界知名人脸数据库比对中取得的成绩,但在现实运用中,这种准确度要大打折扣。

    商汤科技联合创始人杨帆也认为,这些准确度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。

    不过,这也不代表技术要达到100%准确率才可以使用。“世界上没有完美的技术,任何技术都是有错误率和瑕疵的,但是如果在特定的场景下,技术的准确度能够满足要求、错误带来的风险可以承受,那它就是有价值的。”颜水成说。

    苹果方面介绍,新机iPhoneX的面容ID功能利用由点阵投影器、红外镜头和泛光感应元件组成的先进原深感摄像头系统,在A11仿生强劲动力的支持下可绘制面谱并识别面容。该功能会投射30000多个肉眼不可见的红外光点,然后将得到的红外图像和点阵图案传输给神经网络,创建用户脸部的数学模型,再将这些数据发送至安全隔区,以确认数据是否匹配。而且,用户的样貌随着时间而改变,技术也能随之进行调整适应。

    蚂蚁金服介绍,支付宝在肯德基KPRO的点餐机上配备了3D红外深度摄像头,在进行人脸识别前,会通过软硬件结合的方法进行活体检测,来判断采集到的人脸是否是照片、视频或者软件模拟生成的,避免各种人脸伪造带来的身份冒用情况。

    疑惑二:双胞胎、过度化妆和整容能分辨吗?

    “人脸的角度、光线、表情、年龄、化妆、遮挡、照片质量等会影响我们的判断,并且随着数据库样本增大,两个不同人长得像的概率会快速上升。”陈继东提出了生物识别技术面临的难题,不过,他认为深度学习会让计算机更聪明,能克服这些困难。

    颜水成表示,面对双胞胎或者整容前后等特殊情况,机器能否识别,要看具体情况。比如整容幅度过大,机器无法识别是有可能的。此外,脸部信息也会随着年龄增长而改变。如果到了机器无法识别的程度,使用者只需去系统更新脸部照片就可解决。

    为了提高识别率,不少应用场景都需要用户采用除人脸识别技术外的双重验证。陈继东表示,交叉验证方式进一步提升识别率,即使是双胞胎也“判若两人”。在金融等对误识别率容忍极低的领域中,单一识别要素即使精准度再高仍然会有漏网之鱼,因此需要结合多因子综合验证。目前人脸识别准确率已远超肉眼,而且有活体检测算法来判断采集到的人脸信息是否为照片、视频等冒充。“即便出现账户被冒用的极小概率事件,支付宝也会通过保险公司全额赔付。”

    疑惑三:用户隐私如何保护?

    有专家指出,人脸特征与指纹、虹膜相比,是一个具有弱隐私的生物特征。例如,很多人都会发自拍照,也是相对公开的特征。如何保证用户数据安全尤为关键。

    据媒体报道,在一个名为“你的脸就是大数据”的项目中,俄罗斯摄影师叶戈尔·茨韦特科夫在圣彼得堡用了6周时间拍摄100名地铁乘客的人脸照片,之后利用人脸识别工具比对俄罗斯最大社交网站VK(VKontakte)上的5500万用户,找到了大约70名乘客的个人资料。

    如何防范类似的隐私泄露风险?旷视科技副总裁谢忆楠表示,旷视在采集到照片后会对照片进行脱敏处理,只提取照片特征,而非照片本身,即使这些特征在传输过程中被窃取,也无法还原出照片,过程是不可逆的。

    陈继东说,目前支付宝已经对人脸识别技术进行了加密、脱敏的技术防范,可以将人脸信息变成一个不可逆的数字信息,不能还原、比对。

    苹果方面介绍,其所有保存的面容信息都被保护在安全隔区内,以确保数据安全无虞。同时,所有处理都在设备上进行,不会发生在云端,以充分保护用户隐私。面容ID只有在用户注视iPhoneX时才会为它解锁,并采用特别设计,可防止被照片或面具假冒的人脸欺骗。

 
 
[ 资讯搜索 ]  [ ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 
0条 [查看全部]  相关评论