解密人脸识别系统

一、人脸识别的发展历程

世界上第一个做自动的人脸识别算法的是一个英国人，他当时所采用的方法是一种半自动的方法，就是用手工在图像上标定人脸上面的关键点，然后测量两眼之间的距离、嘴唇的厚度，以此作为特征来进行人脸的比对。

早在十多年以前，人脸识别就小火了一把。比尔盖茨本人非常看好生物特征识别技术的应用与未来。他在2001年就对外界媒体公开了自家的人脸识别技术，那是一个完整的、全自动的、实时的人脸识别系统。

最近10年，深度学习的研究与应用使得人脸识别和人工智能的核心技术得到了极大的提升。图像硬件的发展也有力地给这个人脸识别提供了很好的图像基础。

人脸识别的流程大概是这样的：

首先在图像当中找到这个人脸，然后把每个人脸进行一种预处理，给它进行光照、姿态、表情等等一些校正。然后用算法对该人脸进行特征的提取，把图片变成一个二维码。在此基础上进行特征的对比，然后进行身份识别。

二、解决人脸识别的三个技术难点

首先是要解决光照问题：直接的一个解决方案就是像数码相机那样在前面加个闪光灯。但是每次做人脸识别时都要用闪光灯给人的体验是非常差的，另一种方法就是用近红外主动光源。聊天摄像头上面和那种监控视频上面，晚上都有一些肉眼看不见但是传感器、摄像头它能看得见的这样一种方式。所以就发明了这样一个近红外人脸识别的这样一个方法

大数据和深度学习极大地推进了人脸识别和人工智能，包括AlphaGO。这样一个技术的发展这里面有三个要素，第一个是大数据。要学习到这个模型的这样一个数据，它要能囊括能够概括大多数场景下能够看到的这样一些数据。第二个就是深度网络的结构。它层数很深，并且它是一个非线性变换，使得这样一个函数它能处理像人脸识别、语音识别和机器下棋，这样一些非常复杂的问题。第三个要素就是深度学习的运算量非常的大，我们希望能在有限的、可以等待的时间内，把这个模型训练学习完成，这就需要有GPU的加速。这三个要素缺一不可！

还要解决人的姿态和表情问题，为此研发了三维可形变的模型。它具体就是把输入图像贴到一个内部的、三维模型上，然后根据关键点的位置用三维模型把这个姿态给它转过来。转到正面之后，再把这个表情再给它归一化，让它变成一个中性的表情，最后就得到这样一个输出。这样的话就能够提高在大姿态、大的表情条件下的人脸识别的准确率。

最新的进展就是三维可形变模型与深度学习处理进一步结合，使得它更加强悍，能够解决更加困难的问题。

三、如何防止各式各样的假体攻击？

各种各样的生物特征识别，包括人脸、指纹、虹膜、眼睛等等一些，它都存在着一些问题。 就是这个系统会受到各种各样的假体的攻击。人脸识别的话包括照片的打印、视频的播放，比如说安卓4.0推出了人脸解锁。马上就有人说，“我拿这个手机拍一张照片，对着这个手机就能解锁了。”还有就是人脸的面具。对付照片打印还是比较简单的，我们可以采取人机交互的方法。比如说我可以下指令，你给我张张嘴，你给我摇摇头。

当这个防假体攻击的技术出现之后，又出现了另外一种攻击形态。把照片上眼睛和嘴巴的地方抠出来，你让我眨眼我就眨眼，你要我张嘴我就张嘴，所以说这个技术就是有矛又有盾，我们是螺旋式的上升和技术进步。除了人脸之外，指纹假体是更加普遍。仿制的指纹可以代上班打卡嘛！

为了解决生物识别防假体攻击这样一个问题， 我们在这个项目当中提出了，用多光谱的方法，包括紫外、近红外、热红外成像，这是我们肉眼不可见，但是在各种光谱情况下的成像，它可能能分辨出。这个真人和假体的区别这样一种技术它是需要一种特殊的硬件的。

下面来比较一下机器的识别与人工的这样一个识别。

正常情况下，机器人的人脸识别的准确率是远远高于人工识别的，但是机器做人脸识别的时候，它只看人脸这样一部分。它没有用到一些外部的信息，比如发型和高矮胖瘦，所以机器比较容易受到这种伪造的攻击，用一张照片或者一段视频，或者拿个手机就可伪造。，而人可以看这个，所以人能够比较容易地去识别这样一个假体攻击。

除了人脸之外，还有各种各样的生物特征。比较熟悉的就是指纹、虹膜，像那些大片里面掌纹、掌静脉、步态、签名、指静脉。那么把不同的多种的生物特征结合起来，就有可能提升它的准确性与安全性。比如说我拍脸的时候。同时把虹膜拍出来。这样既不影响使用的便捷性，又能提升识别率；指纹的话，既采指纹又采指静脉，也不会影响使用的便捷性，但是可以提高它的准确性和安全性。

总而言之，技术的进步和应用需求使我们进入了刷脸的时代，而进一步上一个台阶需要我们在科学与技术上进一步探索与突破。除此之外，人脸识别的应用还存在着一些安全和隐私的问题，除了技术需要进一步提升，要制订相关的一些标准、法律、法规，以规避可能存在的风险，让我们努力，让我们期待。