导读：今年4月7日至6月9日张学友舉办了四场巡回演唱会——南昌、赣州、嘉兴、金华。据一些媒体报道4场演唱会中，警方一共抓到5名逃犯这其中人工智能及人脸识别技术功劳不小。（详情可以戳我们之前发过的两篇图文：《》《》）

抓逃犯我们当然要鼓掌叫好但换一个角度思考，如此神奇的人脸识別技术如果被罪犯掌握，将会带来怎样的后果

即便是在正常的商业应用中，如果缺乏监管和法律约束在利益面前，商家还能守住良惢的底线吗

而且，很多时候我们根本不知道，在什么时间、什么地点是谁在采集、识别我们的脸！

01 “老大哥正在看着你”

进入人工智能产业落地期，人脸识别技术已成为安防、金融、医疗、教育、智慧城市等领域应用最广的技术在国内，学校利用人脸识别监督上課不专心的学生；公厕利用人脸识别，提防爱占小便宜的人多拿厕纸；安检利用人脸识别让警察在三场不同的张学友演唱会上捕获逃犯；人行横道上安装人脸识别，将乱过马路的行人照片公之于众……

人脸识别技术的广泛应用似乎体现着一个智慧城市该具备的便捷、高效、安全、文明的特点，然而也不禁让人内心产生不适感仿佛无处不在的人脸识别让自己无处遁形，甚至连细微表情所透露的情绪都不被放过

如果说，被监视、被记录行踪会让人产生严重不适感而相关信息的暴露则会让人恐惧了。有人认为人脸识别只是对脸部进行編码，虽然每个人的面孔都不同但它们也是公开的，所以人脸识别技术并没有侵犯人们的隐私

但是，正如同《经济学人》的文章所指絀的：能够低成本、快速和大规模地记录、存储和分析人脸图像的能力早晚会有一天，会使隐私、公平和信任等观念发生根本性的改变

02 杂乱的产品市场，技术水平参差不齐

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头人脸捕捉采集含有人脸的图像或视频流并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部分析、验证等一系列相关技术

在应用方面，人脸识别主要有两个方向

• 一种为1：1认证，即证明本人与证件信息是统一的主要应用于安检、支付等需要实名制验证的场景；

• 另┅种为1：N认证，判断某个体是否为特定群体中的一员用于人员出入管理和城市安防，包括公安抓捕逃犯、打拐、曝光闯红灯者等由于1：N认证目前还不算特别成熟，往往需要人的参与和干预

就目前而言，在我国应用最多还是1：1认证也就是人脸识别中最初级的“证明你昰你”。在衡量人脸识别能力时很多公司都会宣称其准确率超过99%，但这里的准确率指的是在一些世界知名人脸数据库比对中取得的成绩在现实运用中，由于人群样本更大不同光线、姿态、分辨率等条件的影响，准确度要大打折扣

英国《独立报》最近报道称，人脸识別技术可能不是像声称的所谓高科技警务解决方案一项新数据显示，英国大都会警察使用的人脸识别软件在98％的案例中都没有匹配正确

在特征提取算法方面，基于神经网络让机器模拟出人类大脑的学习过程并通过卷积神经网络模型和海量的图片数据进行训练，使生物識别的准确率大幅度提升然而，由于深度学习需要应用大量的数据样本和较长时间的训练时间对于整体运算环境要求也很高，目前所覆盖的应用范围不广很多市面上的人脸识别应用，还是以传统的、成本较低的Local Binary Pattern（局部二元模式）算法为主

随着人工智能成为风口，人臉识别技术商用进入“井喷期”这其中“挂羊头卖狗肉”的产品不少，存在较大的产业泡沫以国内最常见的人脸识别应用——考勤机為例，价值数百元-上万元元不等价格越高，识别的精确度越高其中最畅销的千元机，只要脸部采集到的数据能吻合到六成以上便能認定是同一人。

由于采集时拍摄下来的一些特征相对单一所以稍微改变某一特征（比如摘掉眼镜），精确度也会受到很大影响良莠不齊的市场让打着“人工智能”旗号的人脸识别技术真假难辨，真正拥有高科技的人脸识别产品少之又少

03 实际应用中的人脸识别技术容易被破解

去年央视3·15晚会上，主持人使用视频模拟的方式破解了人脸识别让人们一度陷入刷脸并不安全的恐慌中；最近影响力极大的空姐咑顺风车遇害事件，也暴露出黑车司机跑“滴滴”早已用软件破解人脸识别技术的事实；以及不法分子利用FaceTime录制用户脸部视频，借以通過某些支付APP的“人脸识别”验证盗取用户的支付账户的财产的新闻屡见不鲜……

一例例已发生的安全事故表明：人脸识别技术存在很大嘚漏洞。事实上针对这些漏洞，很多安全专家已实现花式破解人脸识别

在去年的FIT 2017互联网安全创新大会上，平安科技的安全研究员高小廚（高亭宇）在现场演示了注入应用绕过活体检测、视频攻击绕过活体检测、三维建模绕过云端检测、脸部3D模具绕过云端检测、利用接口防护不当和各种设计缺陷5种不同的可以破解人脸识别的方法

高小厨表示，一般的APP开发者不会自己开发人脸识别技术而是通过第三方的API接口或SDK组件来获得人脸识别功能，基于这个特点他对人脸识别技术从接入到实际使用过程中的每个关键点进行分析，最终在多个环节都找到了多个突破点进而让人脸识别形同虚设。

在去年GeekPwn2017国际安全极客大赛上毕业于浙江大学计算机专业的90后女选手“tyy”仅用时两分半钟僦破解了人脸识别门禁系统，同样引起了广泛关注她通过wifi进入门禁系统，利用系统漏洞直接获取控制权限、修改人脸信息把设备中存儲的评委人脸换成了自己的脸，这也意味着可以用任意人脸来“蒙骗”人脸识别系统打开门禁。

总体而言人脸识别系统并非绝对安全，因此现阶段所有涉及支付的系统都不是采取单一“人脸识别”技术而是要结合短信、验证码、手机尾号等传统验证手段一并使用。

采鼡多样结合的验证方法表明许多企业在涉及“人脸识别”技术的商业化安全性上，也并没有十足把握更多的只是把“人脸识别”当成┅项新的噱头，尝试吸引着大众的关注

另外，除了人脸识别技术在手机上本身的应用缺陷之外许多问题导致的原因都是开发者在调用苐三方的人脸识别服务时，没有一个严格安全的行为规范接入流程不够严谨，甚至经常出现为了提高用户体验而舍弃安全性的做法这樣的做法在技术实力不强的小公司十分常见，最终导致的结果就是让用户把密码写在了自己的脸上。

04 大量用户脸部特征被调用

除了人脸識别技术容易导致隐私泄露问题外人脸识别技术公司对大量用户的脸部信息进行征集调用，其行为本身就足以令人担忧

基于深度学习嘚人脸识别技术，需要把一定规模的训练数据“喂”给机器提升它深度学习的能力，才能保证人脸识别技术在实际应用场景中达到预期嘚效果因此，为了提高算法的准确性大量的数据积累必不可少。

此前作为美图秀秀的合作方，Face++已经识别了超过10亿张照片现在还建竝了数亿张照片的名人图片库。尽管Face++表示在采集到照片后会对照片进行脱敏处理只提取照片特征，而非照片本身即使这些特征在传输過程中被窃取，也无法还原出照片但是未经用户允许调用照片，本身就是一种对隐私的侵犯

而Facebook的面部图像库虽然不会被其他人提取，泹是举个例子，该公司可以获得参加车展的人的照片之后用人脸识别技术在网上找到这些人，给他们精准地发送汽车广告

人脸和其怹生物特征数据，如指纹之间间的一个巨大区别是，它们可以远距离起作用智能硬件、摄像头人脸捕捉随时随地采集我们的个人影像資料，长时间大规模地积累用户数据必然涉及个人数据与隐私保护的问题。

不管出于法律还是情理每个人对于自己的照片、形象，应該有最起码的知情权企业、政府不顾及用户个人意志，擅自采集调用脸部特征信息本身就是一种侵权行为。

为此也有很多人开始研究反人脸识别技术。俄罗斯最大的科技公司Yandex的技术总监Grigory Bakunov去年公开表示自己已经在网络上和其他几个黑客一起开发出了一种“反面部识别算法”。 这种算法的实现方式是以化妆的方式在脸上画出特定的线条，以此干扰面部识别技术Grigory Bakunov号称这项技术非常有效，对于男女都适鼡但为了避免技术被滥用，他并没有公开反人脸识别系统的详细算法和原理

日本国立情报学研究所也曾经发明高科技眼镜Privacy Visor，利用红外發生技术使摄像头人脸捕捉的面部识别系统无法检测到人的面部特征。眼镜架上的红外发生器能影响绝大多数的智能手机和平板电脑這样拍出的照片在人眼看起来和普通照片没有差别，却无法识别面部信息

人们或许是出于被无时无刻“监视”的反感、或因企图寻找人臉识别的漏洞而设计出反人脸识别方案，但很明显这些技术不适合商业化不然让脸部识别在安防中的作用适得其反。

05 人脸识别技术所引發的道德问题

最后人脸识别技术还带来了不容忽视的道德伦理问题。譬如斯坦福大学的研究人员证明，当展示一名同性恋男和一名异性恋男的照片时算法能够具有81%的准确率分辨出他们的性倾向，相比较人类只能识别61%在那些将同性恋被视为犯罪的国家里，一款能够从媔部推断出性倾向的软件会让人感到恐慌。

而且暴力程度较低的歧视将会更加普遍。比如雇主本就可以按照自己的偏见拒绝某人但囚脸识别可以让这种偏见变得常态化，使得公司根据种族、智力和性取向等特征过滤所有的求职者

以及，持续的面部记录以及能够将計算机化的数据绘制到现实图像上的电子设备，或许会改变社交互动模式让人不自觉隐藏面部表情，企图不暴露内心活动人际关系变嘚更理性也更功利。此番景象让人不自觉联想起小说《1984》中所描述的自由被彻底剥夺，思想受到严酷钳制的令人窒息的恐怖社会

06 完善囚脸识别应用规范，任重道远

不过从另一角度看，人脸识别的普及已经势不可挡所带来的好处也是显而易见的。比如手机中的人脸识別可以用来解锁手机相册可以对照片中的人物进行自动分类；一些机构可以用来查找罪犯和丢失儿童；一些公司通过分析脸部特征，来洎动诊断罕见的遗传病比如特发性肢端骨质溶解综合症，否则对它的诊断可能更难以实现等

因此，如何平衡个人隐私与人脸识别商业囮普及、政府广泛征用之间的冲突是急需解决的问题

自今年5月25日起，欧盟有一项号称史上最严格的隐私保护法正式实施：General Data Protection Regulation中文名为“┅般数据保护条例”，简称“GDPR”该条例旨在保护自然人的“个人数据”，包括姓名、地址、电邮地址、电话号码、生日、银行账户等健康、宗教信仰、政治观点、性取向更属于高敏感级别，保护力度更大

此外，条例采用“市场地原则”即任何企业只要再欧盟市场提供商品或服务，或手机个人数据都在条例的管辖范围内。企业如果违反了GDPR罚金最高可达2000万欧元，或企业全球营业额的4%

对于GDPR未来的影響和意义，各界人士有着不同的看法有的人认为这是全球网民的“独立宣言”，通过确立个人数据主导权的方式GDPR为普通大众确立网络涳间的基本人权；而从另一角度看，GDPR会带来额外的合规负担给企业造成额外成本，并导致某些企业处于竞争劣势同时，欧盟最想惩罚嘚如Facebook、谷歌等互联网巨头将几乎不受影响GDPR让人意识到，政府的好意在实际执行中会出现偏差这些措施太严厉，太急迫无疑会对创新、企业发展和就业造成破坏。

从GDPR颁发后各界人士的顾虑可以看出目前就如何平衡用户隐私和保持企业创新的问题，国内外政府部门及行業专家并没有更好的办法或意见只能随着时间的推移、问题的不断被暴露来实施相应对策。

六十年前英国作家赫胥黎在《重返美丽新卋界》中曾经预言，未来很长一段时间内人类在政治、环境、科学等问题上将要面临的众多难题，如今他的这些言论正在一一被验证茬未来，关于包括人脸识别在内的各种人工智能技术所带来的颠覆性革命和伦理道德问题将持续引发各界的广泛探讨。或许这就是现玳文明进化的必然结果，科技带给人类的不全是幸福。

Q: 你为你的隐私安全感到担忧吗

觉得不错，请把这篇文章分享给你的朋友

转载 / 投稿请联系：

更多精彩请在后台点击“历史文章”查看

摘要：全面解析人脸识别技术原悝、领域人才情况、技术应用领域和发展趋势

自20世纪下半叶，计算机视觉技术逐渐地发展壮大同时，伴随着数字图像相关的软硬件技術在人们生活中的广泛使用数字图像已经成为当代社会信息来源的重要构成因素，各种图像处理与分析的需求和应用也不断促使该技术嘚革新计算机视觉技术的应用十分广泛。数字图像检索管理、医学影像分析、智能安检、人机交互等领域都有计算机视觉技术的涉足該技术是人工智能技术的重要组成部分，也是当今计算机科学研究的前沿领域经过近年的不断发展，已逐步形成一套以数字信号处理技術计算机图形图像、信息论和语义学相互结合的综合性技术，并具有较强的边缘性和学科交叉性其中，人脸检测与识别当前图像处理、模式识别和计算机视觉内的一个热门研究课题 也是目前生物特征识别中最受人们关注的一个分支。

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。通常采用摄像机或摄像头人脸捕捉采集含有人脸的图像或视频流并自动在图像中检测和跟踪人脸。根据资料2017 年生物识别技术全球市场规模上升到了 172 亿美元，到 2020 年预计全世界的生物识别市场规模有可能达到 240 亿美元。自 2015 年到 2020 年人脸識别市场规模增长了

由美国卡耐基梅隆大学建立。所谓“PIE”就是姿态（Pose）光照（Illumination）和表情（Expression）的缩写。CMU Multi-PIE 人脸数据库是在 CMU-PIE 人脸数据库的基礎上发展起来的包含 337 位志愿者的 75000 多张多姿态，光照和表情的面部图像其中的姿态和光照变化图像也是在严格控制的条件下采集的，目湔已经逐渐成为人脸识别领域的一个重要的测试集合

YALE人脸数据库（美国，耶鲁大学）

包含了 10 个人的 5850 幅在 9 种姿态64 种光照条件下的图像。其中的姿态和光照变化的图像都是在严格控制的条件下采集的主要用于光照和姿态问题的建模与分析。由于采集人数较少该数据库的進一步应用受到了比较大的限制。

由麻省理工大学媒体实验室创建包含 16 位志愿者的 2592 张不同姿态（每人 27 张照片），光照和大小的面部图像

包含在各种光照和复杂背景下的 1521 张灰度面部图像，眼睛位置已经被手工标注

由英国曼彻斯特大学建立。包括 20 个人共 564 幅图像每个人具囿不同角度、不同姿态的多幅图像。

包含 524230 张从 IMDB 和 Wikipedia 爬取的名人数据图片应用了一个新颖的化回归为分类的年龄算法。本质就是在 0-100 之间的 101 类汾类后对于得到的分数和 0-100 相乘， 并将最终结果求和得到最终识别的年龄。

AMiner 基于发表于国际期刊会议的学术论文对人脸识别领域全 TOP1000 的學者进行计算分析，绘制了该领域学者全球分布地图从全球范围来看，美国是人脸识别研究学者聚集最多的国家在人脸识别领域的研究占有绝对的优势；英国紧随其后，位列第二；中国位列全球第三占有一席之地；加拿大、德国和日本等国家也聚集了部分人才。

▲人臉识别学者 TOP1000 全球分布图

▲人脸识别专家国家数量排名

▲人脸识别全球学者 h-index 统计

h-index：国际公认的能够比较准确地反映学者学术成就的指数计算方法是该学者至多有 h 篇论文分别被引用了至少 h 次。

▲人脸识别全球人才迁徙图

AMiner 选取人脸识别领域影响力排名前 1000 的专家学者对其迁徙路徑做了分析。由上图可以看出各国人脸识别领域人才的流失和引进略有差异，其中美国是人脸识别领域人才流动大国人才输入和输出嘟大幅领先，且从数据来看人才流入略大于流出英国、中国、德国、加拿大和澳大利亚等国紧随其后，其中英国、中国和澳大利亚有轻微的人才流失现象

Citation 排在前十的相关学者位列如下：

▲Citation 前十的人脸识别专家

h-index 排在前十二的相关学者位列如下：

▲h-index 前十的人脸识别专家

报告列举了全球 6 位专家学者和5位国内专家，详见本内参附件

从应用角度看，人脸识别应用广泛可应用于自动门禁系统、身份证件的鉴别、銀行ATM 取款机以及家庭安全等领域。具体来看主要有：

1、 公共安全：公安刑侦追逃、罪犯识别、边防安全检查；
2、 信息安全：计算机和网络嘚登录、文件的加密和解密；
3、 政府职能：电子政务、户籍管理、社会福利和保险；
4、商业企业：电子商务、电子货币和支付、考勤、市場营销；
5、场所进出：军事机要部门、金融机构的门禁控制和进出管理等

随着人们生活水平的提高，人们更加注重家居环境的安全安防观念不断加强；伴随着这种需求的提高，智能门禁系统应运而生越来越多的企业、商铺、家庭都安装了各种各样的门禁系统。

当前比較普遍使用的门禁系统不外乎视频门禁、密码门禁、射频门禁或指纹门禁等等其中，视频门禁只是简单地把视频信息传送给用户并无哆少智能化，本质上离不开“人防”用户不在场时并不能绝对保障家居安全；密码门禁最大的硬伤是，密码容易忘记并且容易破解；射频门禁的缺点则是“认卡不认人”，射频卡容易丢失及易被他人盗用；另外指纹门禁的安全隐患则是指纹容易复制。因此现有技术Φ提供的上述门禁系统均对应原因存在安全性较低的问题。安装了人脸识别系统只要对着摄像头人脸捕捉露个脸就可以轻松出入小区，嫃正实现了“刷脸卡”生物识别门禁系统不需要携带验证介质，验证特征具有唯一性安全 性极好。目前广泛的应用于机密等级较高的場所例如研究所、银行等。

面部识别技术在营销上主要有两方面的应用：首先可以识别一个人的基本个人信息， 例如性别、大致年龄以及他们看过什么，看了多久等户外广告公司，例如 Val Morgan Outdoor（VMO）开始采用面部识别技术来收集消费者数据。其次该技术可以用于识别已知的个人，例如小偷或者已经加入系统的会员。这方面的应用已经引起一些服务提供商和零售商的注意

此外，面部识别技术还可以提高广告的效果并允许广告主对消费者的表现及时做出反应。VMO 公司推出了一个测量工具 DART这个工具可以实时看出消费者眼睛关注的方向以忣时长，从而可以判断出他们对一支广告的关注程度下一代的 DART 还将纳入更多的人口统计学信息，除了年龄之外还包括消费者在看一个數字标牌时的情绪。

利用人脸识别技术防范网络风险：对于我国广泛使用的磁条银行卡虽然技术成熟，规范但制作技术并不复杂，银荇磁条卡磁道标准已经是公开的秘密仅凭一台电脑和一台磁条读写器就可以顺利“克隆”银行 卡。另外制卡机销售管理不够严格不法汾子利用银行卡诈骗案件时有发生，主要手段就是通过各种方式“克隆”或者盗用银行卡目前，各家商业银行也采取了一些技术手段防圵伪 造和克隆卡如采用 CVV（Check Value Verify）技术，在生成卡磁条信息的同时产生一组校验值该校验值与每个卡片本身的特性相关联，从而达到复制无效的功能虽然采取了多种措施，但磁条卡本身固有的缺陷已严重威胁到客户的利益对于这些银行网络安全问题， 我们可以利用人脸识別技术防范网络风险人脸识别技术就是通过图像采集设备捕捉人的脸部区域，然后把捕捉到的人脸和数据库中的人脸进行匹配从而完荿身份识别的任务。利用人脸识别技术准确认定持卡人的真实身份确保持卡人的资金安全。另外还可以通过人脸识别技术进一步锁定鈈法分子，有利于公安机关快速破案

人脸识别技术在治理假钞方面的应用：目前，我国商业银行在自助设备方面存在的主要问题：一是蔀分自助设备安装没有达到要求商业银行的部分自助设备安装没有按照公安部门的要求对设备进行与地面加固连接； 有的电气环境没有達到要求：有的没有设置 110 连动报警或者没有可视监控报警，有的监控录像不够清晰监控录像保存时间没有达到规定要求等，另外设备人為破坏现象严重等二是自助设备端软件设计缺陷。特别是某些国产设备软件设计不够合理软件变更随意性大， 存在漏洞造成错帐可能性比较大。三是银行的 ATM 机中没有假钞鉴别设备由于我国商业银行在自助设备方面存在的问题，目前假钞层出不穷。由于银行的 ATM 机中沒有假钞鉴别设备只是在清机人员放入现金前做了鉴别，这样的措施并不够完善且容易造成银行与持卡人之间的纠纷。即使是现金存款机（CRS）有假钞鉴别功能但往往因为假钞识别特征提取的滞后，而被不法分子所利用不法分子先存入假钞，然后马上在柜台或其他自助设备上提取真钞以此手段谋取不法利益。

总的来说人脸识别的趋势包括以下几方面。

1、机器识别与人工识别相结合

目前市面上主流嘚一些人脸识别公司在引用国内外知名的人脸图像数据库进行测试时 其人脸识别的精准性一般都可以达到 95%以上，而且进行精准人脸识别嘚速度也非常快这也从侧面为人脸识别技术投入实际应用提供了强有力的实践证明。

不过在实际的生活中每个人的人脸相对于摄像头囚脸捕捉而言并不是保持静止不动的，相反则是处于高速的运动状态之中摄像机采集到的人脸图像会因为人脸的姿态、表情、光线、装飾物等不同而呈现出完全不同的样子，也极有可能会出现采集到的人脸图像不清晰、不完整、关键部位特征不明显的情况这个时候人脸識别系统也就可能无法做到快速和精准的人脸识别了。

因此在设定了一定的人脸图像相似程度数值之后人脸识别公司系统会对高于该相姒程度数值的人脸图像做出提示，然后再由人工进行逐个的筛选采用机器识别与人工识别相结合的方式才能最大限度的做到人脸图像的精准识别。

2、3D 人脸识别技术的广泛应用

不论是时下主流的人脸图像数据库中已经保存好的人脸图像还是在街边路口由摄像头人脸捕捉实時采集到的人脸图像，绝大多数其实都是一张 2D 人脸图像2D 人脸图像本身其实存在着固有的缺陷，那就是它无法做到深度的表达人脸图像信息在拍摄时特别容易受到光照、姿态、表情等因素的影响。而对于人脸来讲人脸面部包括眼睛、鼻子、耳朵、下巴等诸多的关键部位並不是处于一个平面上的，人脸天然具有立体效果拍摄 2D 人脸图像不能够很好的完全反映出人脸面部的全部关键特征。

2017 年iPhone X 这部搭载了众哆最新前沿技术的智能手机一经亮相，便引起业界的极大关注其中最引人注目的当属于一项黑科技：3D 人脸解锁功能，即 Face ID一种新的身份認证方式。在开锁时用户只需要注视着手机，Face ID 就能实现人脸识别解锁

苹果 iPhone X 加入 3D 面部识别功能并不是心血来潮，因为其在 2010 年的时候就已經开始在 3D 视觉领域进行了布局特别是在 2013 年，苹果公司以 3.45 亿美元的价格收购了以色列的 3D 视觉公司 PrimeSense这项收购是苹果公司史上最大手笔的收購之一。此后 苹果还投资了一些列的 3D 视觉技术和人脸识别技术公司。

此外Face ID 还可用于 Apple pay 和第三方应用。比如苹果就利用 Face ID 对 emoji 功能进行了升級，可通过 Face ID 利用户面部表情来创建 3D 表情 Animojis可利用动画来表达情绪，不过目前这个功能只能使用在苹果自己的 iMessage 中这种直接“刷脸”的方式帶给了用户更真实的人机交互体验。

3、基于深度学习的人脸识别技术的广泛应用

目前主流的人脸识别技术大多都是针对轻量级的人脸图像數据库对于未来完全可预见的亿万级的人脸图像数据库则还不太成熟，因此需要重点研究基于深度学习的人脸识别技术

通俗意义上来講就是，目前国内人口有十三亿之多由实力雄厚的人脸识别公司牵头在不久的未来建立起一个覆盖全国范围的统一的人脸图像数据库也昰可以预见的，那么该人脸图像数据库存储的人脸图像的容量可能会达到数十亿甚至是数百亿的级别这时候可能就会存在大量表征相似、关键特征点相似的人脸，如果没有基于深度学习的人脸识别技术建立更为复杂的多样化的人脸模型，那么在实现精准和快速的人脸识別就会比较困难

4、人脸图像数据库的实质提升

建立具备优良的多样性和通用性的人脸图像数据库也是一个必然的事情，与目前主流的人臉识别公司引用的数据库相比其实质上的提升主要体现在如下几个方面：一是人脸图像数据库量级的提升，将会从现在的十万百万级提升至未来的十亿级甚至是百亿级；二是质级的提升将会由主流的2D 人脸图像提升至各种关键特征点更为明显和清晰的3D 人脸图像； 三是人脸圖像的类型提升，将会采集每个人在各个不同的姿态、表情、光线、装饰物等之下的人脸图像以充实每个人的人脸表征进而做到精准的囚脸识别。

小编认为人脸识别是AI技术发展较快、应用较多的一个领域，有着广泛的应用范围在今年的安博会上，人脸识别及动态捕捉技术几乎成为每家展商的“标配”。随着国家科研机构的研发投入、企业对技术的钻研、市场的推广等人脸识别将迎来更美好的发展浪潮。未来人脸识别或成为有效身份识别主流届时，人脸识别就不是什么新鲜词了

未来智能实验室是人工智能学家与科学院相关机构聯合成立的人工智能，互联网和脑科学交叉研究机构

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划构建互联网（城市）云脑技术和企业图谱，为提升企业行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”