刷脸时代：你的脸是如何被“认出”的？

北京时间9月13日凌晨，万众目的苹果新品发布会上，备受关注的iPhone X 推出了具有人脸识别功能的Face ID。结合之前人脸识别技术的各类广泛应用，也许，“全民刷脸”时代真的要来了，不过，拼的不再是颜值而是识别准确度。人脸识别技术作为近期的潮流和趋势，未来也存在较大的市场发展空间，但该技术仍有待完善。多种生物识别方式的结合创造出“1+1大于2”的效果，或许是解决人脸识别技术难题的有效途径。

如果你留意科技新闻，“人脸识别”技术早就不算什么新鲜事儿了。2015年，支付宝就率先实现了人脸识别登录，并将其应用于金融级场景;而前段时间，北京天坛公园的“人脸识别”厕纸机“火了”一阵子;今年春运期间，北京、上海等多地火车站启用了“刷脸进站”设备;今年8月，首都机场与百度公司签署合作协议，未来我们也可以“刷脸登机”了;为防止转租，北京市公租房计划试点推广了应用“人脸识别”技术的门禁; 9月1日，杭州一家肯德基餐厅上线“刷脸支付”服务：顾客只要在摄像头前扫描一下脸部，就能完成付款……

北京时间9月13日凌晨，一年一度万众瞩目的苹果新品发布会上，全新的iPhone 8、iPhone X和APPLE Watch 3与大众见面。其中，最受关注的iPhone X更是彻底抛弃了指纹识别Touch ID，推出了具有人脸识别功能的Face ID。

一向“带节奏”的苹果公司，会用这款号称“史上最贵”的新一代苹果手机，把“人脸识别”技术带向主流吗？一个“全民刷脸”的时代，是否会比我们想象中更快地到来？

从模式识别到深度学习大数据是重要发展基础之一再也不用背复杂的密码了，甚至省去了特意按压Home键的动作。人脸识别技术加上“注视感知”功能，让你只需拿起手机，它就会自动解锁设备;甚至“买买买”的时候，看一眼手机就会显示“付款成功”，如此简单自然和便捷，毫秒级别的解锁速度带来更好的用户体验。

毫无疑问，随着Face ID 的彻底“上位”，未来短时间内“人脸识别”可能都将是最炙手可热的技术之一。

那么，从早期的“刷脸”到如今的Face ID，现下的“人脸识别”技术到底处于哪个阶段?

中国科学院自动化研究所研究员、生物识别与安全技术研究中心室主任李子青告诉记者，“人脸识别”技术目前走到了一个从模式识别迈进深度学习的阶段。

人脸识别作为生物识别技术的一种，简单地说，就是通过人的脸部特征来鉴别人的身份。

和其他的生物特征(指纹、虹膜等)一样，人的脸部特征是与生俱来、独一无二的，所以利用人脸来鉴定身份具有天然的优势。

对于人脸识别技术，科学家们早在上世纪50年代就有研究，但当时的“人脸识别”技术，只被当作一个一般性的模式识别问题看待，并未在业界引起多大的震动。直到1991年，美国麻省理工学院媒体实验室提出了对于人脸识别具有里程碑意义的“Eigenfaces”特征脸方法，把人脸从像素空间变换到另一个空间，在另一个空间中做相似性的计算，极大地推动了人脸识别技术的发展。

在21世纪最初的10年，局部描述子方法成为研究主流。它在人脸的局部区域例如眉毛、眼睛、鼻子、嘴巴等部位抽取局部描述子，再线性或非线性地映射到高维向量空间中去。

因为特征和模型始终是人工设计的，所以这种方法存在着不小的局限性，准确率也很难保障。

近几年，随着海量标准人脸的大数据不断发展，人脸识别的技术路线也由之前的局部描述子+测度学习，逐渐转变为深度学习，从而使得准确率大大提升。

李子青介绍，所谓深度学习，就是让已经在网络结构中预设了人脸识别先验知识的神经网络，“阅读”很多人在各种环境下拍摄到的不同人脸照片，自动学习并提取人脸各个部位和尺度的低、中、高层特征。这样在经过大量学习之后，它便能根据所提供的监督信息将不同的人分开。

LFW(Labeled Faces in theWild Home)是国际权威的人脸识别数据库，它是为了研究非限制环境下的人脸识别问题而建立的，里面包含超过1.3万张人脸图像。目前，在这个数据库的测试结果中，几乎全球顶尖团队的准确率都超过了99%。“大数据是深度学习的基础，没有海量的人脸数据，就无法进行很好的识别，这是近几年数据库不断建设的结果。”李子青表示，大数据和深度学习极大地推进了人脸识别和人工智能的快速发展。比如目前在安防领域里对人脸识别技术的应用，就建立在大数据的基础之上。

新闻推荐

“煤改电”地区居民合理采暖电量执行第一档居民电价

据新华社北京10月8日电（记者安蓓）记者日前从国家发展改革委了解到，为支持北方地区加快实现清洁供暖，在适宜“煤改电”的地区，对各省份确定的居民合理采暖电量，执行第一档居民电价；对天然气资源有保障、...