国家标准化管理委员会发布的《信息技术 安全技术 生物特征识别信息的保护要求》(征求意见稿)规定的有关标准，生理特征识别主要有指纹识别、指静脉/掌静脉识别、掌纹识别、手型识别、DNA识别、声纹识别、视网膜识别、虹膜识别、人脸识别等九种。人脸识别是生物识别技术的一种，是基于人的脸部特征信息进行身份识别的一种生物识别技术。通常采用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸。

根据中国电子技术标准化研究院发布的《2020年人脸识别行业研究报告》，广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸视图采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术和系统。此外，部分应用场景下还可能涉及质量评价、活体检测等算法模块。

人脸识别的应用模式主要包括三种:

1）人脸验证（Face Verification):判定两张人脸图像是否属于同一个人，常用于身份认证如人证核验。

2）人脸辨识(Face ldentification):给定一张人脸图像，判断是否在注册库中，若在则返回具体的身份信息，常用于静态检索或动态布控。

3)人脸聚类(Face Clustering) :给定一批人脸图像，将相同人的图像归类到同一-个类，不同人的划分为不同的类，常见的应用有智能相册、一人一档等。

(1)非接触性。

被识别主体不需要和识别设备直接进行接触就能获取人脸图像信息，当主体面部进入到摄像设备可捕捉的范围时即可以被自动识别，可接受度比较高。而多数生理特征识别技术都需要被识别主体与识别设备接触来进行有关操作，比如指纹识别、掌纹识别等都对客观条件有严格要求。

(2)便捷性。

该技术对个体的配合度相对没有那么高，每个人在不知觉的状态下就被获取了人脸信息，而其他技术几乎都需要个体的配合才能完成对其生理特征的提取。比如DNA识别技术容易出现检材污染等意外情况，这主要就是因为个体的配合不当而影响结果的准确性。

(3)隐蔽性。

人脸识别中运用的设备主要是各式各样的摄像头，一部分高科技摄像头既能清晰的捕捉人像信息，又能做到体积小巧玲珑，不易被发觉。因此在一些场合中，只要被识别主体出现在摄像头的捕捉范围内，人脸数据的收集工作就已经完成了。不被个体察觉就可以主动获取人脸信息的人脸识别技术，天然具有一定的隐蔽性。

(4) 性价比高。

该技术可以在同一时段对多人进行人脸图像的收集比对，工作效率高，对于服务的双方都能提供方便。而且与其他技术进行横向比较，从设备成本、采集效率和循环使用次数来看，人脸识别技术的性价比是非常高的，适合大范围内推广使用。

(5) 非侵扰性

人脸识别无需干扰人们的正常行为就能较好地达到识别效果，无需担心被识别者是否愿意将手放在指纹采集设备上，他们的眼睛是否能够对准虹膜扫描装置等等。只要在摄像机前自然地停留片刻，用户的身份就会被正确识别。

(6)可扩展性

在人脸识别后，下一步数据的处理和应用，决定着人脸识别设备的实际应用，如应用在出入门禁控制、人脸图片搜索、上下班刷卡、恐怖分子识别等各个领域，可扩展性强。

一个完整的人脸识别系统包含五个步骤，人脸图像采集、人脸检测、人脸对齐、人脸特征提取和人脸特征匹配识别。要做好一个效果完美的人脸识别系统，涉及到的每一个步骤都是一项有意义的挑战，每一个步骤都会间接影响到最终的人脸识别准确率。只有每一个步骤都做好，才会使最后的人脸识别效果好，如何去完善每个步骤综合的去提高最终人脸识别准确率，是一项有挑战性并且具有特殊意义的工作

(1)人脸检测

这一步骤是用于确定采集来的图像中人脸的大小和位置，过滤掉除了人脸其他无用的图像信息，可以避免无用信息对后期人脸识别效果的影响。人脸检测在理想图像的情况下，检测的准确率会很高，但是如果遇到光照的变化、表情的变化、姿态的变化和遮挡会影响检测效果，在这一方面，有很多工作需要做，如进行图像增强工作，增强人脸检测算法的泛化能力。在人脸识别方法图像预处理中会使用到MTCNN人脸检测算法。

(2)人脸对齐

通过MTCNN算法检测后，可以得到人脸图像中的面部特征关键点位置信息，如眼睛的位置、鼻子的位置和嘴巴的位置。根据检测得来的特征点位置信息来计算脸的倾斜角、旋转角和俯仰角来判断脸部的倾斜状态，利用这些特征关键点位置信息进行仿射变换，将人脸图像调整为水平正视图，以保证所提取人脸特征向量的表达能力。

(3)人脸特征提取

人脸特征，也称为人脸表征，在数学领域中可以用向量来表示一张完整人脸图像的特征信息。在基于深度学习的人脸识别方法中，对人脸图像进行特征提取前，需要设计合理的网络结构并选用合理的损失函数和大量的人脸样本数据进行训练，得到可以提取人脸特征的特征提取网络模型。在提取特征时，输入一张完整人脸图像，通过一层层卷积操作，最后可以得到表示输入人脸图像的特征向量。

(4)人脸识别

人脸识别就是把提取到的人脸图像的特征向量与人脸数据库中存储的人脸特征模板进行匹配，通过余弦相似度或者欧氏距离来判断两张人脸的相似度，从而进行人脸识别。余弦相似度越大或者欧式距离越近说明两张人脸的相似度越高。在人脸识别任务中，通常分为两种模型，一种是1:1识别模式，另一种是1:N识别模式。1:1模式是进行人脸对比识别任务，通过对两张人脸图像对比，来判定是否是同一人。1:N模式是进行人脸搜索识别任务，提取需要判定的人脸图像的特征向量，与人脸库中已经存储好的人脸特征向量比对，通过设置一定的阈值，计算余弦相似度或者欧氏距离，找到相似度最高的一张人脸，进行身份识别^[1]

人脸识别技术在持续不断地创新发展过程里，识别的精准性在日益创新高，使用的场景也越来越多，很多政府部门也开始尝试使用该技术，从而大大提高了社会管理的效率。随着人脸识别技术被社会各个领域大力使用，数据可以随处产生，如刑事侦查、金融、交通出行、门禁管理、信息安全等领域的应用。

(1) 刑事侦查领域

在我国的执法部门在大规模运用人脸识别技术大后，提高了成功抓捕到犯罪嫌疑人的效率。例如，公安机关在追捕潜藏多年的逃犯中，利用天眼系统中的人脸识别技术，即使其遮挡面部或是易容，仍旧可以将其识别出并逮捕归案。无独有偶，在逃犯即使做过专业的整容、或是由于年纪衰老之后，面部有些许改变，虽与通缉照片上的对比存在着不同，此时人脸识别技术的优势就能够体现出来，在经过分析与对比之后，精确识别出犯罪嫌疑人。人脸识别技术大大提高了公安机关成功抓捕到犯罪嫌疑人的效率，在我们熟知的范围中极大的保障了社会秩序稳定与繁荣。

(2)金融领域

金融系统中，该技术在提升业务效率与安保预警方面作用十分突出。以商业银行系统为例，人脸识别技术几乎运用在每个环节中。无论是最基础的开卡销户、转账业务、提升金融增值服务、保障交易安全等过程中，都能有效防控风险。银行作为金融机构，有着对公众交易往来过程中安全保障的义务与防欺诈的提醒警示义务。因此，银行通过人脸识别技术能够对可疑人员的人脸信息与公安系统中数据库作比对，及时发出预警系统，将危险扼杀在摇篮中。比如精确识别在银行周边的扒窃惯犯、反复“踩点”等可能威胁他人人身与财产安全的危险人物。同时，在提升业务效率方面，人脸识别技术能够极大地缩短业务办理流程，方便用户办理业务体验。比如在以往办理业务过程中，用户需要经过冗长的排队等待与身份识别验证后，才能进行后续业务办理。而现今各大银行都在各分支机构中设立业务一体化机器柜台，通过人脸识别技术能够使个人业务中经常出现的挂失办卡、密码遗忘找回等问题快速解决。

(3)交通出行领域

在交通管制方面，国家开始施行机动车礼让斑马线上行人的规定，同时通过该技术针对违规车辆刻意违规做出实时监控，对于在特点地点不礼让行人的违规车辆，人脸识别技术能够将自动根据车辆驾驶人的身份进行自动锁定，并对交通违法行为进行处罚，有效地减少了交通事故的发生率与真实区别驾驶人与车辆牌照持有人不一致的情形。而在出行领域，机场通过人脸识别技术来验证乘客信息，这在提高机场工作人员安检效率的同时也缓解了人工压力。实践中同样证明，在乘坐飞机、高铁时仅仅使用身份证与人脸核对通过安检系统，能够极大缓解旅客在旅游黄金周、春运等时期的乘车压力。

(4)门禁管理领域

现如今，很多公司和学校已将人脸识别技术投入使用。门禁制度之前无论是专门的安保人员亦或是刷卡进出都有被冒用的可能，公司上下班考勤或学校基于安全管理的需要，都积极引入人脸识别技术。该技术的广泛运用不仅能够成功地解决被盗用卡或者趁安保人员不备进入公司或学校的安全风险，而且不会降低通过进出的时间，更加利于公司与学校的管理。例如，在高校的宿舍楼大厅设置的人脸识别机制很大程度上能够降低外来人员的安全风险，同时提升宿管人员的管理效率。

(5)信息安全领域

在电子政务和电子商务方面，电子商务全线交易都在网上完成，使得交易方式、双方人员、交易记录等都能清楚明了的对应，在商务往来过程中能够提高效率且降低交易风险。与此同时，政府相关部门为便捷民众办事，设置了网上办事服务政务平台。电子政务平台的使用过程中，离不开人脸识别技术的加持。以前民众需要在政务大厅排队并通过输入身份证号码与密码进行办理，如今只需简单的“扫一扫”就能快速完成身份识别，在提升效率的同时也保证了电子政务的可靠性^[2]

自高尔顿(Galton)在1888年和1910年就分别在《Nature》杂志发表了两篇关于利用人脸进行身份识别的文章以来，人脸识别就处于高速发展阶段，如今的人脸识别技术精度远超人眼，已经进入大规模应用阶段

最近这些年以来，人脸运用技术适用的范围不断扩大，其发展具有以下特征：

(1)应用门槛不断降低。得益于数据基础的不断积累、技术水平的飞速发展以及各种场景的不断运用，再有算法技术的开源和免费化加持，以及从业人员数量扩大与研究的拓展，当下有关人脸识别技术运用的成本减低，从而应用门槛也逐渐变低。另外，人们的日常休闲活动同样使得面部信息的收集的门槛变得更低。例如换脸应用，通过隐私交换便利甚至娱乐的现象非常普遍。再如百度钱包、支付宝等相关应用，企业依靠刷脸支付相关技术，将人脸识别应用于用户功能中，使用户想要享受相关服务，就必须出让其面部信息，企业因此得以收集到更多的个人信息。

(2)应用该技术带来更高的价值。Gen Market Insights机构做出一项关于人脸识别应用价值的调查研究结果，该报告结果表明，到2025年，全球人脸设备的市场价值将会高达到71.7亿美元。基础层、技术层、运用层是当前我国生物识别市场三大的产业结构模式，根据中商产业研究院报告的结果，我国生物识别技术市场前景大好，其市场规模在2020年已经突破了300亿。人脸识别技术能够创造诸多价值，倘若运用得好，将在各种领域、多种场，最大限度的服务社会。例如，将人脸识别技术一定程度应用于当前公共安全防控领域，让公共管理部门通过建立人像数据库，可进行实时警情监控，同时也可以为追踪犯罪作出贡献；将人脸识别技术应用于新产品的推广和服务研发领域，可以在科研、医疗及金融领域发挥重要作用；通过正确引导人们对人脸识别技术的正确运用，以提高公众的人身安全和财产安全。

(3)运用范围广泛。主要为以下两种：其一，线上网络运用模式，这种应用场景多需借助智能设备，例如刷脸支付等通过智能手机采集人像，用以收集、分析用户的生物信息，为人们便利生活以及普惠金融提供了技术支撑。其二，线下生活场景的模式，例如刷脸进宿舍楼，刷脸签到等日常生活场景，便利管理。金融业同样如此，经过层层把控和严格的金融认证，人脸技术运用目前已经较为成熟，如银行刷脸支付的试点。人脸识别技术的应用，使得金融机构和金融消费者能够在安全便捷的环境下完成交易，激发了行业的创新活力，提高了业务受理环境的使用效能^[3]。

(1)计算机视觉(CV)界三大顶级国际会议 ；

ICCV：IEEE International Conference on Computer Vision该会议由美国电气和电子工程师学会(IEEE，Institute of Electrical &； Electronic Engineers) 主办，主要在欧洲、亚洲、美洲的一些科研实力较强的国家举行。作为世界顶级的学术会议，首届国际计算机视觉大会于1987年在伦敦揭幕，其后两年举办一届。ICCV是计算机视觉领域最高级别的会议，会议的论文集代表了计算机视觉领域最新的发展方向和水平。论文接受率在20%左右。方向为计算机视觉、模式识别、多媒体计算等。

CVPR：IEEE Conference on Computer Vision and Pattern Recognition该会议是由IEEE举办的计算机视觉和模式识别领域的顶级会议。每年召开一次，录取率在25%左右。方向为计算机视觉、模式识别、多媒体计算等。

ECCV：European Conference on Computer Vision ECCV是一个欧洲的会议，每次会议在全球范围录用论文300篇左右，主要的录用论文都来自美国、欧洲等顶尖实验室及研究所，中国大陆的论文数量一般在10-20篇之间。ECCV2010的论文录取率为27%。两年召开一次，论文接受率在20%左右。方向为计算机视觉、模式识别、多媒体计算等。2018年的ECCV于2018年9月8日-14日在德国慕尼黑举办。

(2) 亚洲计算机视觉会议 ；

ACCV：Asian Conference on Computer Vision ACCV即亚洲计算机视觉会议，是AFCV(Asian Federation of Computer Vision，亚洲计算机视觉联盟)自1993年以来官方组织的两年一度的会议，旨在为研究者、开发者和参与者提供一个良好的平台来展示和讨论计算机视觉领域和相关领域的新问题、新方案和新技术。2018年第14届亚洲计算机视觉会议将于2018年12月4日-6日在澳大利亚举办。

(3) 人脸和手势识别专门的会议

FG：IEEE International Conference on Automatic Face and Gesture Recognition 是全球范围内人脸与手势识别领域的权威学术会议。会议方向有人脸检测、人脸识别、表情识别、姿势分析、心理行为分析等^[4]。

参考资料：

[1]戚吉磊. 基于注意力机制的人脸识别

[2]陈惟文. 人脸识别技术运用中的个人生物识别信息保护

[3]武安宁. 人脸识别技术应用法律规制研究

[4]AMiner：2018人脸识别研究报告(50页).pdf

本文由@Y-L发布于三个皮匠报告网站，未经授权禁止转载。