人臉識別的算法有哪些

如果要給人臉識別下個定義，它是利用人的生物特征實現個體區分的一種技術，一般包括圖像采集、特征定位、身份的確認和查找三個環節。簡單來說，人臉識別就是從圖像中提取面部特征關鍵點，比如骨骼特征、眉毛高度等，通過比對輸出結果。

雖然iPhoneX的FaceID讓計算機視覺領域的創業者興奮不已，但此人臉識別非彼人臉識別。蘋果的FaceID并沒有采用普通攝像頭的方式，而是采用紅外主動識別的技術，這樣就可以做到三維立體識別，增強了安全系數。

在具體的應用場景中，人臉識別大致可以分為1:1、1：N、N:N三種。

1:1等級的人臉識別，實現的是最初級的“證明你是你”。從字面上就可以看出，1:1是用戶提前上傳個人照片儲存于系統中，每次驗證時，線下拍照與系統中存儲的照片信息進行對比，進而確定“你是不是你”。

舉個例子，我們在車站過安檢時，檢票員拿著你的身份證跟你本人做對比，證明你是不是身份證上的本人，這種場景就是1:1的場景。手機解鎖、刷臉支付、網上買票、醫院掛號、政府惠民工程項目，以及各種證券開戶、電信開戶、互聯網金融開戶……這都是1：1人臉識別的應用場景。同其他方式相比，1：1識別準確率高，對算力的要求也相對較低。

而1：N的人臉識別算法則主要用于人臉檢索，“證明你是誰”。與1:1的一一對照不同，1：N需要一張照片同系統中的海量照片進行對比，根據相似度排列出多個對比結果。而排在第一順位的結果，未必準確。

1:N人臉識別算法主要應用在安防領域，如用于排查犯罪嫌疑人、尋找走失兒童等。專注于動態人像識別的初創企業云天勵飛在2015年開始就與深圳龍崗區警方合作，在當地地鐵口、火車站、城中村、商超等場所建設“深目”系統。上線幾個月后，便協助警方成功告破兩起命案。

應用在安防領域的1：N人臉識別，其特點是動態和非配合。所謂動態，即系統識別的不是圖片，而是攝像頭采集的視頻。非配合是指識別對象不用感知到攝像頭的位置并配合完成識別工作，識別對象處于被動狀態。這在提高采集便捷性的同時，也意味著你的行蹤已經被完全暴露。

同1：1識別相比，使用地點、環境、光線、采集角度甚至是玻璃反射都會影響1：N識別的準確度，所以1:N相對更具有挑戰性。

至于N:N人臉識別，實際上相當于同時進行多個1：N識別，用于“證明誰是誰”

人臉識別的弊端

最近一兩年是人工智能產業的爆發年。隨著人工智能的助力，人臉識別技術以其不可復制性、非接觸性、可擴展性和快速性等特點在多種生物識別技術中脫穎而出。

人臉識別開始應用于生活中

近期，人臉識別更是成為學校“新寵”，助力校園管理，在門禁、陌生人識別、食堂支付，甚至開始在課堂上識別學生面部表情，找出不專心的學生。

而且，一些地方也開始啟用“刷臉”執法，人臉識別闖紅燈，核實違法人員的身份。

我相信，在中國，會有很多家長會覺得這樣做挺好的，幫助老師方便地管理孩子，督促孩子學習。也會有很多人認為，闖紅燈的一個也不放過，加大立法力度，挺好。

但是，我認為，此類人臉識別，值得商榷與審視。

人臉識別應用需考慮公民隱私

在現在的信息技術下，方便性必然建立在個人數據上。瀏覽器不用填密碼，就得打開cookies；輕點鼠標購買物品，必然要交出自己的姓名地址、購物歷史偏好；用APP引導自己鍛煉身體，服務器沒有積累的過往身體數據，就無法指導；打車，不給出目的地，打車軟件就無法安排；刷臉支付，地鐵刷臉進入，就必須透露出自己的行蹤。如果要優惠券、要精確推薦，則需要交出自己的消費歷史記錄；新聞類APP，精準推送自己喜歡的內容，則意味著以前看過的東西被記錄下來。

前段時間，百度公司董事長李彥宏一句“中國人不在乎隱私”，引發了輿論的聲討。但不得不說，他某種程度上說的是事實。中國人有著集體主義的傳統，在計劃經濟時代，單位掌控一切，從工作到家庭，從避孕套的大小、多寡，到家庭糾紛、生兒育女，單位負責一切。由于單位分房的熟人群居模式，任何一家的瑣碎事情，都會迅速傳播開來。在這種場景之下成長、生活的中國人，缺乏獨立意識，隱私意識自然也較低。

這類用隱私的代價去換取方便，選擇權在個人的時候，還可以視為一種個體選擇，個人有選擇付出隱私的自由，還無可厚非。但是，教室監控面部表情，人行橫道線用面部識別，都是相對更強勢的學校、公權力機關的一種強制性的行為。

人臉識別代價遠大于收益

刑法謙抑，是指立法者應當力求以最小的支出，少用甚至不用刑罰，而用其他刑罰替代措施，同時，獲取最大的社會效益，有效地預防和控制犯罪。同樣的，在強制公民付出隱私的代價的時候，就必須獲得足夠大的收益，或者減小足夠嚴重的危險。

雖然人臉識別不是刑法，但是，對于強勢機構、公權力機構，這個原則同樣適用，即以最小的代價，完成最大的目標。

人行橫道線是一個必須完全杜絕、一旦有人觸犯就會代價極大的事件嗎？同理，上課不聽講、睡覺、玩手機，甚至曠課，是一個具有極大危險，威脅到公共安全的事件嗎？顯然，這都不是。從這個角度來說，用面部識別嚴厲制止橫穿人行道和學生上課不專心，收益都很小。

防止人臉識別被濫用

那么，與此對應的，除開采購成本，還有哪些社會成本呢？

各個領域引入人臉識別，會使得公眾對這一技術變得麻木。這就會使得在后續中，這種技術會不斷地在其他領域使用，規模效應又會導致其更大規模地進入各個領域。

比如，目前，地鐵還做不到不使用身份證，而用閘機采集乘客人臉，在人口庫里進行比對來識別乘客。這是因為乘客規模巨大，閘機識別會造成識別準確率明顯下降，識別過程有一定延時的問題。這些問題在技術上是可以被克服的，但經濟上卻不可行。

但是，隨著越來越多的領域使用面部識別，需求的規模效應會拉低成本。從經濟上，一個更大、更廉價、更靈敏的識別數據庫以及相應的硬件系統，就會被建立起來。比如，識別一次成本是1塊，這時候應用會被限制；但如果成本降到0.01分，那么，這個系統就會無遠弗屆，無處不在。從而，在現實中，人臉識別離被濫用，就只有一步之遙。

所以，某種程度上看，學校與人行橫道應用人臉識別，這種行為的潛在代價如此之大，現實收益如此之小，并不符合成本——收益的原則，應當被重新考慮。