關于人臉識別技術的難點和劣勢

徐雯雯

摘要：隨著信息化領域的擴大，生物特征識別已成為模式識別和人工智能領域的研究熱點。人臉識別作為生物特征技術中最具代表性的研究之一，現已應用到我們日常生活的各個方面，公安刑偵、自助通關、FACE ID、刷臉支付，但其在應用中的準確率仍然難以滿足需求。本文將探討人臉識別技術在應用中面臨哪些有利因素與弊端，以期更好解決相應問題。

關鍵詞：人臉識別;難點;應用

中圖分類號：TP31? ? 文獻標識碼：A

文章編號：1009-3044（2019）25-0233-02

今年5月份，舊金山政府官員通過一項禁止令，禁止個人購買和使用面部識別技術，還要求政府部門提交基于人臉識別的監控技術政策用于公開審查。然而在大洋彼岸的中國，基于人臉識別的各種新產品新技術被不斷推出，并且“刷臉”技術已經逐步在金融、公安、邊防、教育、醫療等多個領域“落地開花”，從身份審核到線下支付，從乘坐地鐵到取快遞……讓中國的老百姓享受著更便捷的生活。本文將探討人臉識別技術在應用中面臨哪些有利因素與弊端。

1人臉識別技術存在劣勢識別精度竟然低于虹膜與指紋

人臉所囊括的信息量相比于指紋、虹膜之類的生物特征是相對較少的，就變化的復雜性來說遠遠不夠。例如，采取兩個人的指紋或虹膜特征，大概需要幾十甚至上百個比特（信息量的度量單位）顯示完全重合才能反映其特征基本相同。而人臉只需要十幾個比特就能反映其是否相似。在全球各地，存在很多相似的面孔。一個住在廣州的人去了烏魯木齊有時候會認錯朋友，從視覺直觀上都會存在誤差，從數據分析上人臉的可辨別性也不高。

從現階段技術所達到的水平來看，人的面部信息是唯一在用戶不察覺的情況下就可以收取到的生物特征信息。如需采集其他生物特征，例如指紋、掌紋、虹膜、靜脈、視網膜采集都需要用戶主動配合，也就是如用戶拒絕采集，將無法獲得這些信息特征，何提高質量可分析的生物特征信息呢？同時，人臉天生就暴露在外，識別身份具有自然性，同時，應用成本較低。

但與其他生物識別技術相比，“刷臉”也有一定技術上優劣。信息的可靠性和穩定性較弱是它一重要缺陷。

另外，采集人臉時無論是人體自身發生變化還是外在環境的改變都會影響其信息穩定度。相比以前的所使用的人臉識別技術，現在的人臉識別技術大有提高，但在具體應用時離完美狀態還相差甚遠。如今，保守估計，人臉識別技術準確率能達到99%，但沒有達到100%。同時，對于雙胞胎，由于相似特征太多，人臉識別基本不可能完成。比如人臉識別技術應用于銀行自助存取款機上，是以輸入密碼信息為前提條件下的輔助認證功能。如果完全脫離密碼輸入步驟，單純使用人臉識別技術進行存取款操作，其安全性將會降低。

相關專家提出，生物特征的識別精度從高到低排序依次為虹膜、指紋、人臉。但隨著科技的發展，攝像頭的提升將會帶動人臉識別精度的提升，上升空間巨大。

2 人臉識別在實際應用中面臨的挑戰

技術發展到今天，我們已經可以在各個領域中體驗到人臉識別帶給我們的方便便捷，手機的FACE ID 、超市刷臉付款、人臉自助通關，但業界還是將人臉識別技術列為生物特征識別技術中難度較高的研究課題之一。另外，人臉、識別技術自身優勢也存在兩面性，自然性、不易察覺以及非接觸性也致使人臉識別技術在一些特定領域面臨環境復雜性。

2.1背景干擾復雜多樣

人臉檢測是人臉識別的第一步，首先要對監控場景中出現的人臉進行定位，能否正確識別出人臉直接影響人臉識別的性能。當監控鏡頭下的場景背景比較復雜時，人臉檢測正確率也會相應降低，因此要求人臉檢測算法能適應復雜背景干擾問題是人臉識別技術的難點之一。

2.2光照條件復雜多變

機器視覺中光照問題一直存在，在人臉識別中影響更加明顯。在實際智能監控場景中，監控下光線變化會嚴重影響到采集人臉圖像的質量，如圖1所示。解決此問題目前有兩種方案：三維圖形人臉識別和熱成像人臉識別，但這兩種技術效果不明顯仍然未能克服光照對識別率的影響。

2.3人臉姿態表情變換不一

人類面部表情多種多樣，面部變化較大的哭、笑、憤怒等表情也會影響面部識別的準確度。當人臉表現出不同情緒時，人臉輪廓和面部紋理會發生變化，面部特征點的位置也會相應改變。圖2上排圖像是原始照片，下排是處理之后的照片，直觀上面部表情看著很別扭，但是計算機主要是通過面部區域識別的，所以矯正過后識別率會明顯上升。

2.4人臉角度的多樣性

面部變化投射到空間中可以看為頭部在三維垂直坐標系中繞三個軸旋轉，有平面旋轉和深度旋轉。從圖3可以看出，從不同角度檢測到的人臉輪廓會發生變化，當前多數人臉識別算法只是針對正面人臉，角度的變化也可能會導致人臉特征部分無法被正確提取，人臉識別率相應降低。

2.5 外部遮擋問題

對于在非主動配合狀態下的人臉采集，面部特征遮擋是一個非常嚴重的問題。自然條件下帽子、眼鏡等常見配飾，長勢如韭菜的胡子和遮臉神器劉海也嚴重影響了人臉的特征提取，如圖4所示。被采集的人臉圖像不太完整，影響后期特征提取與識別，甚至導致人臉檢測算法出錯或失效。

3 人臉識別不只是隱私問題 信息泄露面臨更大安全隱患

最近兩年是人工智能的爆發年。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。人臉識別在安防、金融、教育等領域得到廣泛應用，尤其是在智慧校園應用中，門禁出入口、人員身份識別、支付消費，甚至運用到在課堂上，通過分析學生面部表情，找出不認真的學生。例如去年，某中學使用“黑科技”打造“智慧教室”，對學生進行表情監控，以提高課堂教學效率時。但輿論普遍質疑，認為類似做法不尊重孩子人格，侵犯學生隱私。

2019年5月，舊金山市頒布的新條例決定禁止全市53個部門使用人臉識別技術，其中就包括舊金山警察局。人臉識別技術在美國的爭議一直不斷，反對者普遍認為，如果不對這項技術進行規范，將會為政府提供前所未有的權力來跟蹤人們的日常生活，侵犯人們隱私，這與健康的民主不相容。同時，“美國公民自由聯盟”（ACLU）測試了亞馬遜的人臉識別系統，發現人臉識別系統的準確性并不高。

除了人們日常感覺到的認為，含有人臉識別技術的攝像頭侵犯了人們的隱私外。另外，由于人臉特征信息作為高敏感性信息，會有不法人員企圖通過不法手段獲取這些信息。雖然目前不管是政府、研究單位還是企業越來越重視信息安全保障，但還是存在人臉信息泄露的風險。

據相關媒體報道，今年2月份，荷蘭某安全研究員在社交網站上表示，中國的一家面部識別公司SenseNets（即深網視界）未對內部數據庫做密碼保護，將數據庫暴露在公網上，導致超過數百萬公民的個人信息數據能夠不受限制被訪問。

據其介紹，此次信息泄露事件主要涉及一個內含超過250萬人信息的數據庫——深網視界內部的MongoDB數據庫，不僅包括身份證數據、照片、工作信息等基本信息，該數據庫還可動態記錄個人位置信息，僅2月12日至2月13日的24小時，就有超過680萬個地點被記錄在案。

從技術層面講，人臉識別技術的大規模使用，人臉是無法復制的，但是基于人臉特征點的信息是以數字化信息進行存儲的，相關數據庫就面臨著被黑客攻擊或者自身防范不力導致泄露事件。人臉特征數據庫的外泄將面臨更大的隱患，首先以往密碼被竊取，可通過重新設置實現密碼更改，并提高安全防范級別。但人臉等生物特征信息是唯一且終身不變的，因此，一旦泄露就將導致人們個人財產或者隱私等被公開，造成重大損失，并且無法挽回。

【通聯編輯：梁書】