網上營業(yè)廳
掌上營業(yè)廳
大到智慧城市建設，小到手機端應用登錄，人臉識別已經滲透到社會生活的方方面面。人臉識別技術包括人臉特征提取和分類器設計等，是生物特征識別領域中的重點研究項目。人臉識別系統(tǒng)的研究始于20世紀60年代，80年代以后隨著計算機技術和光學成像技術的發(fā)展得到提高，于90年代后期進入初級應用階段。與其他身份驗證技術相比，人臉識別具有無需用戶專門配合、接觸等獨特優(yōu)勢，使遠距離身份驗證成為可能，例如，通過監(jiān)控攝像頭進行個人身份驗證。人臉識別系統(tǒng)將捕獲到的圖像數據上傳到執(zhí)行人臉檢測和面部人臉識別的服務器，數據處理的負載主要集中在服務器上。
2014年前后，隨著大數據和深度學習的發(fā)展，神經網絡備受矚目，深度學習的出現使人臉識別技術取得了突破性進展。深度學習是機器學習的一種，其概念源于人工神經網絡的研究，通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現數據的分布式特征表示。區(qū)別于傳統(tǒng)的淺層學習，深度學習的不同在于一方面通常有5層以上的多層隱層節(jié)點，模型結構深度大；另一方面利用大數據來學習特征，明確了特征學習的重要性。隨著深度卷積神經網絡和大規(guī)模數據集的最新發(fā)展，深度人臉識別取得了顯著進展，基于深度學習的人臉識別技術可以通過網絡自動學習人臉面部特征，從而提高人臉檢測效率。
從人臉表達模型來看，可細分為2D人臉識別和3D人臉識別?；?D的人臉識別通過2D攝像頭拍攝平面成像，研究時間相對較長，在多個領域都有使用，但由于2D信息存在深度數據丟失的局限性，收集的信息有限，安全級別不夠高，在實際應用中存在不足。早在2019年，就有小學生手舉照片“攻破”了快遞柜的人臉識別系統(tǒng)?；?D的人臉識別系統(tǒng)通過3D攝像頭立體成像，由兩個攝像頭、一個紅外線補光探頭和一個可見光探頭相互配合形成3D圖像，能夠準確分辨出照片、視頻、面具等逼真的攻擊手段。
根據使用攝像頭成像原理，目前3D人臉識別主要有三種主流方案，分別是3D結構光方案（Structured Light）、時差測距技術3D方案（Time Of Flight，TOF）和雙目立體成像方案（Stereo System）?；?D結構光的人臉識別已在一些智能手機上實際應用，比如HUAWEI Mate 20 Pro、iPhone X。2009年微軟推出的Kinect（Xbox 360體感周邊外設）則采用了TOF方式獲取3D數據，顛覆了游戲的單一操作，為人機體感交互提供了有益探索。雙目立體成像方案基于視差原理，通過多幅圖像恢復物體的三維信息，由于對相機焦距、兩個攝像頭平面位置等要求較高，應用范圍相對于3D結構光和TOF方案較窄。
除了能夠準確識人，精準判斷捕捉到的人臉是真實的也至關重要?；铙w檢測技術能夠在系統(tǒng)攝像頭正確識別人臉的同時，驗證用戶是本人而不是照片、視頻等常見攻擊手段。目前活體檢測分為三種，分別是配合式活體檢測、靜默活體檢測和雙目活體防偽檢測。其中，配合式活體檢測最為常見，比如在銀行“刷臉”辦理業(yè)務、在手機端完成身份認證等應用場景，通常需要根據文字提示完成左看右看、點頭、眨眨眼等動作，通過人臉關鍵點定位和人臉追蹤等技術，驗證用戶是否為真實活體本人。
人臉與人體的其他生物特征（如指紋、虹膜等）一樣與生俱來，它的唯一性和不易被復制的良好特性為身份鑒別提供了必要的前提。隨著大數據和深度學習的不斷發(fā)展，人臉識別效率顯著提升，為遠程辦理業(yè)務的身份認證環(huán)節(jié)提供了可靠保障。但與此同時，人臉信息保護、隱私安全等問題也應引起重視。隨著《個人信息保護法》《數據安全法》及相關司法解釋的出臺，國家相關部門以及各種機構對個人信息安全問題的重視，有利于引導人臉識別技術的發(fā)展方向，為促進行業(yè)高質量發(fā)展、創(chuàng)造高品質數字生活提供有力支撐。
新浪微博
今日頭條
騰訊微信
