畢招嶺

（公安部第三研究所，上海 201204）BI Zhao-ling(The Third Research Institute of the Ministry of Public Security,Shanghai201204,China)

1 人臉識別技術原理

人臉識別技術屬于生物特征識別技術之一，通常也叫人像識別、面部識別等。通過攝像機或攝像頭采集含有人臉的圖像或視頻流，運用計算機與生物傳感器等高科技手段結合，從人像中提取個性化的生物特征，從提取到的生物特征與數(shù)據(jù)庫里的特征比對，當比對達到一定的閾值即可確認比對結果。

圖1 人臉識別流程

2 人臉識別技術應用現(xiàn)狀

人臉識別技術,已經(jīng)有幾十年的技術積累，技術發(fā)展已經(jīng)相對成熟，特別是近年來，借助人工智能、深度學習等技術的發(fā)展，人臉識別技術更是取得了長足進步，并且在金融、安防、教育、醫(yī)療、交通等領域廣泛應用。無論是開設銀行賬戶、手機解鎖、網(wǎng)絡支付，還是打開小區(qū)門禁和自家房門，都有采用“刷臉”方式。目前人臉識別技術已發(fā)展成計算機視覺中最重要的領域之一。

3 人臉識別存在的安全風險

隨著技術的發(fā)展，越來越多的移動設備配有人臉識別功能，人臉識別解鎖、人臉識別支付成為應用最廣泛的場景。2017年以美國蘋果公司為代表的多家手機廠商推出具備人臉識別解鎖功能的手機，同年9月份阿里巴巴旗下螞蟻金服宣布在杭州KFC推出“刷臉支付”服務。相對于輸入密碼的解鎖、支付模式，刷臉方式確實更加便捷。

雖然人臉識別技術給我們的生活帶來很多便捷，但是，由于人臉存在易偽裝、相似度高、被動識別等缺點，導致臉識別技術相對于傳統(tǒng)的密碼、指紋等安全措施，風險相對較高。

3.1 容貌容易被偽裝

隨著3D打印技術的發(fā)展，人臉3D模型和人皮面具的產生將對人臉識別技術造成極大的挑戰(zhàn)。2016年，美國北卡羅來納大學的技術團隊依靠照片進行技術處理之后，建成了人臉3D模型，然后利用這個模型去測試人類識別系統(tǒng)。測試的結果讓人驚駭：80%的人類3D模型騙過了系統(tǒng)的檢測。也就是說，一旦犯罪分子使用高仿人臉3D模型，或者電影中常出現(xiàn)的人皮面具，那么，很可能將輕松地騙過現(xiàn)在的人臉識別系統(tǒng)。

3.2 相似度不斷提高

整容技術不斷提高，人造美女越來越多，以至于出現(xiàn)撞臉情況。每一張臉都有兩只眼睛，一個鼻子，一張嘴巴組成，不同個體之間的區(qū)別本身就不大，整容水平又不斷提高，更降低了個體的差異性，提高了群體的相似性，給人臉識別技術帶來挑戰(zhàn)的同時也增加了人臉識別解鎖、支付等應用的安全風險[1]。

3.3 容易被動識別

人臉識別過程可謂簡單快捷，只需通過前移動或便攜設備便可獲取人臉圖像或視頻，完成人臉識別過程。正是這樣簡單便捷，使人臉識別解鎖、人臉識別支付容易在非主觀意愿的情況下發(fā)生，比如在睡覺、昏迷、醉酒或不知情等情況下，被動完成解鎖或支付過程，使用人臉識別解鎖或支付，無疑告訴所有人我的密碼就寫在我的臉上。

4 當前主流的人臉識別技術

4.1 蘋果三維成像的圖像識別技術

蘋果的Face ID是基于三維成像的圖像識別技術，它需要特定的主動光照射系統(tǒng)以及專用攝像頭進行配合，通過采集得來的數(shù)據(jù)建立一個頭像三維建模，該模型將存儲在手機之中，此后每一次的面部識別都會與之比較，重合度達到一定的程度后將發(fā)出識別正確的信號，從而完成人臉識別的整個過程。

4.2 華為3D人臉識別技術

華為3D人臉識別技術采用3D結構光的原理，華為Mate 20 Pro在錄制人臉數(shù)據(jù)時，前置的散斑投射器，會將30000個不可見的小光點，投射到人臉的各個特征結構上，以獲得面部深度信息；同時，紅外補光燈開啟，獲得人臉的特征信息。系統(tǒng)再通過紅外相機拍攝和分析這些信息，從而獲得精準的人臉數(shù)據(jù)。

4.3 支付寶人臉識別技術

支付寶人臉識別技術與蘋果和華為的人臉識別技術不同，蘋果和華為更依賴于硬件傳感器，而支付寶是運行在多種設備上的，所以，支付寶更依賴于算法。支付寶人臉識別技術各個環(huán)節(jié)全部基于深度卷積神經(jīng)網(wǎng)絡技術（DCNN），它集計算機圖像處理技術與生物統(tǒng)計學原理于一體，利用計算機圖像處理技術從視頻中提取人像特征點，利用生物統(tǒng)計學的原理分析建立數(shù)學模型，即人臉特征模板。利用已建成的人臉特征模板與被測者的人的面像進行特征分析，根據(jù)分析的結果判斷是否同一個人。

5 人臉識別技術的發(fā)展建議

當前主流技術雖然在一定程度上提高了人臉識別的準確性，但是對人臉的易偽裝、相似度高、被動識別等缺點并沒有很好地解決。人臉識別存在的弊端及安全隱患，無法滿足日益豐富的應用場景。各種人臉識別技術不斷豐富，并且準確度不斷提升，顯然目前人臉識別技術的難點不再是如何識別人臉，而是如何讀懂人臉的表情信息[2]。人臉表情在人與人溝通中必不可少，并且傳遞著豐富的信息，用表情表達喜怒哀樂，用眼神、撅嘴、吐舌頭等方式傳遞信息。使人臉識別技術讀懂人臉表情，可以通過表情信息組合加密，就像密碼一樣，明知道是0～9的數(shù)字，但是卻不知道密碼。表情信息同樣如此，或是眨眼睛或是吐舌頭或是微笑，或是表情組合等。

5.1 通過四維人臉識別讀懂人臉表情信息

四維人臉識別與三維人臉識別及活體檢測的不同之處在于：四維人臉識別是對人臉表情發(fā)生變化的整個過程進行識別，而三維人臉識別是對靜態(tài)的人臉特征進行識別，活體檢測是根據(jù)提示信息，做相應的動作，通過眨眼、張嘴、搖頭、點頭等組合動作，驗證用戶是否為真實活體本人操作。因此，四維人臉識別關鍵在于人臉的持續(xù)形變和面部不同區(qū)域的肌肉運動上，而非靜態(tài)的人臉特征。人的面部有額肌皺眉肌、降眉間肌、鼻孔壓縮肌、門齒肌等42塊肌肉，表情變化會調動不同的肌肉變化，而肌肉變化激烈程度、次序、速度也不盡相同，所形成的紋理也不盡相同?；趧討B(tài)圖像的特征提取方法主，對人臉的持續(xù)形變和面部不同區(qū)域的肌肉運動進行特征和規(guī)律提取，然后根據(jù)提取的表情信息進行表情比對以及表情分類。

5.2 通過表情信息避免傳統(tǒng)人臉識別技術弊端

表情信息識別，是人機交互的一個過程，改變了人臉識別的被動性，可以有效避免在睡覺、昏迷、醉酒或不知情等情況下發(fā)生解鎖或支付過程。表情識別可大幅提高對偽裝人臉相似人臉的辨識度，在表情識別過程中人的面部肌肉會隨之發(fā)生變化，即便是偽裝的臉或相似的臉，在表情發(fā)生變化的時候，面部肌肉運動規(guī)律以及所形成的紋理也會不同，所以可以提升對偽裝臉或相似臉的辨識度。表情識別用當前流行的一句話說就是“確認過眼神，遇見了對的人”。

6 結語

人臉識別技術已取得了巨大成就，隨著科技的發(fā)展，人臉識別技術在某些領域確實發(fā)揮了不小的作用，但是，由于實際應用場景不斷豐富，傳統(tǒng)的人臉識別技術在解鎖、支付等應用中仍然存在一定的風險。所以，人臉識別技術仍需要提供更豐富的解決方案，使人臉識別技術得以更廣泛的應用。