人臉識別技術的商業化潛力

劉赟 周爽

摘 要：人臉識別技術屬于模式識別范疇，是通過識別生物特征完成身份認證。近年來，人臉識別技術從實驗室走向市場，進入實用化階段。隨著人工智能和深度學習技術的應用越來越成熟，計算機在人臉識別的精度和效率方面已經超過人類。人臉識別技術已經被大量應用于政府機關、軍隊系統、銀行系統、海關以及安全防務等領域。本文簡述了人臉識別技術發展現狀，分析了人臉識別技術的商業化前景。

關鍵詞：人臉識別 視覺計算 身份認證

中圖分類號：F721 文獻標識碼：A 文章編號：2096-0298（2017）08（b）-135-02

1 人臉識別技術的原理及研究現狀

人臉識別是指用計算機分析人的面部視頻和圖像，從中抽取有效的特征作為識別信息。最終識別臉部對象的身份。有電腦與人類不同，出示一張照片，對電腦來說，照片只是一段編碼的字符串而已，電腦不知道人類的面部在哪里。所以對于一臺電腦來說，要實現一個臉部識別，至少要有三個步驟：一是從場景中剝離出人的面部區域，二是從面部區域提取臉部特征，三是基于提取的特征進行臉部識別。由于人臉在社會生活中中扮演著重要的角色，是人的復雜情感的表現載體。人類視覺系統在人臉復雜模式識別方面具有卓越的能力。然而，這種對人來說與生俱來的圖像合成能力對計算機來說卻顯得特別困難。經過近40年的研究發展，人臉識別技術取得了客觀的進步，只是大都是基于二維模式，一些基于三維的研究要使用昂貴的三維視頻采集設備，三維建模也需要巨大的機時而難以進入實用階段。

人臉識別技術目前是人工智能以及模式識別領域的研究熱門。最早的身份識別領域依靠對指紋的辨識，隨著現代生物技術的發展，陸續研究辨別虹膜和視網膜，甚至開始測定DNA。與這些技術相比，臉部識別更加方便自然，容易被普通用戶接受。現在這種技術已經滲透到公安系統，幫助刑偵人員監察視頻記錄和身份認證。

目前，計算機算法中提到的神經網絡理論是一種分類器數學模型，其靈感來自生物神經網絡，其特點是訓練時間長，識別時間短。所以簡單來說，人臉識別中使用的神經網絡算法是將圖像信息轉化為結構化數據，可以通過大數據訓練，通過大數據訓練將機器理解為結構化數據，從而將面部特征轉化為計算機可以識別字符串，與大數據相比較，從而達到識別臉譜的目的。

要想讓電腦擁有和人類相當的面部識別精度，必須進行適當的預先處理。要想讓算法自動辨別臉部特征計算機需要進行人臉檢測和臉特征點定位。然后才是對具有判別性的特征進行身份的識別，即狹義上的人臉識別。

隨著基于深度學習的人工智能的快速發展，機器視覺研究中關于人臉識別技術的研究取得了長足的進展。從2012年迄今為止，科學家不斷改進深度卷積神經網絡方法，訓練人工智能進行深度學習，在很多領域都有所應用。比如讓人工智能通過深度學習提升下圍棋技巧，已經先后戰勝韓國的李世乭和中國的柯潔，人類在圍棋領域已經不敵人工智能。把這些技術應用到人臉識別領域，無需考慮如何應用人臉識別已有理論，也不用費心思考如何設置算法，一切過程都不過是深度學習，人工智能會自己開發出有效的辨別策略，不需要人為干涉。

目前，機器學習，深度神經網絡技術，人工智能、量子計算等技術創新，這些技術的進步大大提高了計算機視覺計算的處理能力，處理速度和復雜性，制造商的面部識別應用提供了堅實的技術支持。據平安科技創新研究院專家介紹，基于神經網絡的安全面部識別算法在各種測試環境下都達到99%以上的準確率。即使面對細胞老化和雙胞胎等行業公認的技術問題，存在一系列解決方案。

2 人臉識別技術的應用現狀

人臉識別技術利用人面部的特征信息完成辨識具有很大的優越性，因為面部特征以及其他傳統檢測對象，諸如指紋和虹膜，都具有長期的穩定性，所以使用臉部識別在技術上是可行的。因為沒有必要強制用戶提供基本信息，不需要復雜的檢測設備，因此臉部識別技術更實用。英國電視劇《黑鏡》中，有一個特別的人臉識別系統，就是為谷歌應用開發的谷歌眼鏡，結合谷歌的硬件設備，可以掃描陌生人的臉，快速識別和提取相關信息。這樣，即使他們是不熟悉的人，只要使用臉部識別掃描，就可以知道他的基本信息，甚至他的家人和親戚的基本情況。這不是幻想。2014年，香港大學開發面部識別系統，其識別人類面孔的能力甚至超過人類。當然，面部識別技術除了簡單識別身份之外，在其他領域也有很多應用，比如我們常見的面部識別考勤，工作人員只需站在機器前面，通過攝像頭識別臉部，就可以打卡簽到。

在面部識別技術和應用方面，阿里將與國內生物學領域新智盛合作打造“阿里巴巴人臉比對系統”。騰訊TenPay已經與中國公安部國家身份證號碼查詢服務中心合作，實現了肖像比較服務戰略合作，也與公共銀行在金融、證券等業務中實現面部識別應用。民生銀行率先引進面部識別客戶認證鏈接，已經在移動智能柜員機系統、移動操作、定制操作和柜臺業務XBank業務系統中使用人臉識別。

作為社會主體，人的身份數字化是智慧社會的前提，人臉識別是實現這一目標的關鍵技術。人臉識別技術可以基于人臉的非侵入性生物信息，并且計算毫秒級的大數據使得臉部成為智慧社會的“接入端口”，方便信息安全交流。百度透露，人臉識別將成為其重要的技術研究方向之一。其實除了百度之外，BAT在其他兩個領域的臉部識別已經開始布局了。早在2013年，螞蟻黃金服務和北京光電科技有限公司的Face ++平臺開始運行，即“刷臉支付”系統。2016年，阿里云進一步建立了視覺計算團隊，負責云端視頻圖像智能分析、識別、搜索、生成和挖掘服務。同年7月，由極客公園舉辦的奇點創新者峰會上，騰訊旗下優圖實驗室首次公開亮相，基于整個騰訊的社交網絡平臺和業務產品線，為QQ空間、天天P圖、微眾銀行等50多款產品提供圖像算法和人臉識別技術的支持。至此，國內三大互聯網龍頭企業，均已布局人臉識別。

人臉識別技術是自然和智能社會關系的關鍵技術之一。自然人地位的數字化是智慧社會的先決條件。其特點是不被偽造，被動采集等，結合云計算和大數據，可以快速完成比較，可以在各種應用中實現快速安全確認的身份。在莆田仙游縣，從今年初起，縣社會勞動保障中心已應用面部識別技術完成退休人員退休金的身份認證。只需要在社會保障中心的窗口相機前拍照，就可以完成身份認證。目前，全縣已完成退休職工2000余人領取養老金資格認證工作。

監測系統最關心的是監控場景中的人，特別是那些需要關注其行為的人。監測系統可以快速分析現場人員的位置，收集人臉圖像，并將這些圖像和數據庫里被懷疑的危險人物進行比對，一旦匹配成功，系統會很快發出警報。面部識別系統收集到的臉部圖像可以成為非常重要的監控數據，存儲在監控數據庫中，或者與公安部門的數據庫連接。

根據目前國內機場航站樓登機流程和機場港口入境管理規定，乘客必須經過機場航站樓安檢柜臺和入境檢查柜臺，這樣，乘客流動速度就會很慢，因為每個乘客必須在這里接受檢查。機場安保部門在入境登記柜臺部署面部監測系統就會取得良好效果。

支付寶手機客戶端已經正式啟用了臉部注冊功能。用戶不需要輸入繁瑣的密碼，只需在手機鏡頭眨眼，轉頭即可輕松完成登錄。過去只能出現在科幻電影里的場面，已經悄然融入現實生活中。不僅如此，2016年5月，深圳寶安國際機場安裝了安全面部識別系統，這意味著以后乘機安檢，只需露露臉即可。據了解，支付、金融、教育、交通、房地產等場景中的人臉識別技術都存在巨大的商業機會。不過行業專家也表示，目前面部識別技術在企業市場的價格門檻依然偏高。以前，盡管有企業在進行建設-轉讓、建設-經營-轉讓模式的嘗試，但尚未有典型成功案例。人臉識別技術在企業級的商業模式仍需進一步探索。

從技術上講，人臉識別的準確性已經超出了人的能力范圍。特別是2013年以后，隨著硬件和軟件技術的成熟，行業進入了真正的爆發期。目前，這種技術被廣泛應用于交通運輸、金融、社會保障、電子商務等領域。隨著人臉識別技術市場需求的不斷擴大，技術難點逐漸得到克服，許多系統可能被人臉識別所取代，包括通勤、醫院登記、候選人身份驗證等，人臉識別技術在將來的社會會越來越普及。由于中國人口基數龐大，互聯網流行度高，面孔識別技術世界領先，未來市場規模將突破1000億。

3 人臉識別技術投資前景與政策環境

人臉識別對投資企業形成巨大吸引力，企業界甚至把2015年定為人臉識別元年，以為市場會向消費者提供更多使用識別設備，但有些觀點指出，2016年和2017年各大企業重視的是人臉識別技術的投資和布局，而人臉識別技術設備的全面投放應用至少要等到2018年。

就目前情況來說，這項技術怎樣能接上地氣才是核心問題。人臉識別技術最終要從實驗室走出來，進入地鐵系統、進入公安部門，還要表現良好，這不是目前國內大多數企業最擅長的地方，現在國內市場較為混亂，小型廠商的重點還集中在如何做出山寨移動端產品，如平板和移動考勤等，對于制作動態識別系統還存在很大困難。這樣的小型廠家目前在國內有200多家，但能使用核心技術的企業不足10家，這里面能夠做系統集成的廠家只有4家。另外，與國外廠商相比，國內相關廠商在技術研發上投入太少，很少有廠家擁有自己開發的專利產品，一般都購買第三方技術。

各大企業的競爭達到白熱化的程度，人們正在等待新一輪洗牌。鑒于目前國內市場現狀，那些肯在核心技術上投入精力，能根據用戶體驗認真調整產品性能的廠家一定會吸引到更多的投資，從而擁有更大的實力。

由于未來人臉識別技術在人們日常生活、工作中的應用將越來越廣泛。我國人臉識別市場將迎來爆發。《2015全球安防設備市場報告》顯示，中國的人臉識別市場規模已經從2012年的16.7億元增加到2015年的75億元。據分析，在未來5年之內，國內人臉識別的市場規模可能將達到1000億元。其中，人臉識別主要應用領域市場規模，公安領域16億以上、交通領域50億以上、金融領域百億級別、教育領域百億級別，在不考慮大安防硬件存量市場的前提下，整體市場規模就達到數百億。

《中國人臉識別行業市場前瞻和投資分析報告》數據顯示，2016年我國人臉識別行業市場規模已超過10億元。預計未來五年，我國人臉識別市場規模平均復合增長率將達到25%，到2021年，人臉識別市場規模將達到51億元左右。到2020年，全球人臉識別市場規模有可能達到300億元以上。由于大量使用深度學習技術，人臉識別技術在復雜情境中的識別精度已經達到99%，這樣，這一技術已經完全進入實用化階段。

4 結語

在不遠的未來，如果人臉識別的技術得到進一步突破，準確率得到提升并普及程度，其商業化應用前景應該是十分廣闊的，完全有可能會成為下一個科技時代的商業爆發點。從股市來看，目前騰訊、阿里、民生銀行等多個巨頭進軍人臉識別產業，這些企業將在接下來的10年引領人臉識別領域的發展。總之，人臉識別的技術壁壘也會越積越高，技術研發會成為企業發展的主要動力，同時商業模式也會因為技術的不管革新而發生演變。

參考文獻

[1] 王國胤，龔勛.人臉感知從二維到三維[M].北京：科學出版社， 2011.

[2] 王志良，鄭思儀，王先梅，等.心理認知計算的研究現狀及發展趨勢[J].模式識別與人工智能，2011（2）.

[3] 左藤.人臉識別技術綜述[J].軟件導刊，2017，16（2）.