人脸识别的算法有哪些_人脸识别的弊端

　　人脸识别的算法有哪些

　　如果要给人脸识别下个定义，它是利用人的生物特征实现个体区分的一种技术，一般包括图像采集、特征定位、身份的确认和查找三个环节。简单来说，人脸识别就是从图像中提取面部特征关键点，比如骨骼特征、眉毛高度等，通过比对输出结果。

　　虽然iPhoneX的FaceID让计算机视觉领域的创业者兴奋不已，但此人脸识别非彼人脸识别。苹果的FaceID并没有采用普通摄像头的方式，而是采用红外主动识别的技术，这样就可以做到三维立体识别，增强了安全系数。

　　在具体的应用场景中，人脸识别大致可以分为1:1、1：N、N:N三种。

　　1:1等级的人脸识别，实现的是最初级的“证明你是你”。从字面上就可以看出，1:1是用户提前上传个人照片储存于系统中，每次验证时，线下拍照与系统中存储的照片信息进行对比，进而确定“你是不是你”。

　　举个例子，我们在车站过安检时，检票员拿着你的身份证跟你本人做对比，证明你是不是身份证上的本人，这种场景就是1:1的场景。手机解锁、刷脸支付、网上买票、医院挂号、政府惠民工程项目，以及各种证券开户、电信开户、互联网金融开户……这都是1：1人脸识别的应用场景。同其他方式相比，1：1识别准确率高，对算力的要求也相对较低。

　　而1：N的人脸识别算法则主要用于人脸检索，“证明你是谁”。与1:1的一一对照不同，1：N需要一张照片同系统中的海量照片进行对比，根据相似度排列出多个对比结果。而排在第一顺位的结果，未必准确。

　　1:N人脸识别算法主要应用在安防领域，如用于排查犯罪嫌疑人、寻找走失儿童等。专注于动态人像识别的初创企业云天励飞在2015年开始就与深圳龙岗区警方合作，在当地地铁口、火车站、城中村、商超等场所建设“深目”系统。上线几个月后，便协助警方成功告破两起命案。

　　应用在安防领域的1：N人脸识别，其特点是动态和非配合。所谓动态，即系统识别的不是图片，而是摄像头采集的视频。非配合是指识别对象不用感知到摄像头的位置并配合完成识别工作，识别对象处于被动状态。这在提高采集便捷性的同时，也意味着你的行踪已经被完全暴露。

　　同1：1识别相比，使用地点、环境、光线、采集角度甚至是玻璃反射都会影响1：N识别的准确度，所以1:N相对更具有挑战性。

　　至于N:N人脸识别，实际上相当于同时进行多个1：N识别，用于“证明谁是谁”

　　人脸识别的弊端

　　最近一两年是人工智能产业的爆发年。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。

　　人脸识别开始应用于生活中

　　近期，人脸识别更是成为学校“新宠”，助力校园管理，在门禁、陌生人识别、食堂支付，甚至开始在课堂上识别学生面部表情，找出不专心的学生。

　　而且，一些地方也开始启用“刷脸”执法，人脸识别闯红灯，核实违法人员的身份。

　　我相信，在中国，会有很多家长会觉得这样做挺好的，帮助老师方便地管理孩子，督促孩子学习。也会有很多人认为，闯红灯的一个也不放过，加大立法力度，挺好。

　　但是，我认为，此类人脸识别，值得商榷与审视。

　　人脸识别应用需考虑公民隐私

　　在现在的信息技术下，方便性必然建立在个人数据上。浏览器不用填密码，就得打开cookies；轻点鼠标购买物品，必然要交出自己的姓名地址、购物历史偏好；用APP引导自己锻炼身体，服务器没有积累的过往身体数据，就无法指导；打车，不给出目的地，打车软件就无法安排；刷脸支付，地铁刷脸进入，就必须透露出自己的行踪。如果要优惠券、要精确推荐，则需要交出自己的消费历史记录；新闻类APP，精准推送自己喜欢的内容，则意味着以前看过的东西被记录下来。

　　前段时间，百度公司董事长李彦宏一句“中国人不在乎隐私”，引发了舆论的声讨。但不得不说，他某种程度上说的是事实。中国人有着集体主义的传统，在计划经济时代，单位掌控一切，从工作到家庭，从避孕套的大小、多寡，到家庭纠纷、生儿育女，单位负责一切。由于单位分房的熟人群居模式，任何一家的琐碎事情，都会迅速传播开来。在这种场景之下成长、生活的中国人，缺乏独立意识，隐私意识自然也较低。

　　这类用隐私的代价去换取方便，选择权在个人的时候，还可以视为一种个体选择，个人有选择付出隐私的自由，还无可厚非。但是，教室监控面部表情，人行横道线用面部识别，都是相对更强势的学校、公权力机关的一种强制性的行为。

　　人脸识别代价远大于收益

　　刑法谦抑，是指立法者应当力求以最小的支出，少用甚至不用刑罚，而用其他刑罚替代措施，同时，获取最大的社会效益，有效地预防和控制犯罪。同样的，在强制公民付出隐私的代价的时候，就必须获得足够大的收益，或者减小足够严重的危险。

　　虽然人脸识别不是刑法，但是，对于强势机构、公权力机构，这个原则同样适用，即以最小的代价，完成最大的目标。

　　人行横道线是一个必须完全杜绝、一旦有人触犯就会代价极大的事件吗？同理，上课不听讲、睡觉、玩手机，甚至旷课，是一个具有极大危险，威胁到公共安全的事件吗？显然，这都不是。从这个角度来说，用面部识别严厉制止横穿人行道和学生上课不专心，收益都很小。

　　防止人脸识别被滥用

　　那么，与此对应的，除开采购成本，还有哪些社会成本呢？

　　各个领域引入人脸识别，会使得公众对这一技术变得麻木。这就会使得在后续中，这种技术会不断地在其他领域使用，规模效应又会导致其更大规模地进入各个领域。

　　比如，目前，地铁还做不到不使用身份证，而用闸机采集乘客人脸，在人口库里进行比对来识别乘客。这是因为乘客规模巨大，闸机识别会造成识别准确率明显下降，识别过程有一定延时的问题。这些问题在技术上是可以被克服的，但经济上却不可行。

　　但是，随着越来越多的领域使用面部识别，需求的规模效应会拉低成本。从经济上，一个更大、更廉价、更灵敏的识别数据库以及相应的硬件系统，就会被建立起来。比如，识别一次成本是1块，这时候应用会被限制；但如果成本降到0.01分，那么，这个系统就会无远弗届，无处不在。从而，在现实中，人脸识别离被滥用，就只有一步之遥。

　　所以，某种程度上看，学校与人行横道应用人脸识别，这种行为的潜在代价如此之大，现实收益如此之小，并不符合成本——收益的原则，应当被重新考虑。