原标题：刷脸时代，你的脸是如何被“认出”的？ 隐私与安全如何保障？

文/记者 赵天宇（实习） 编辑/吉菁菁

北京时间9月13日凌晨，万众瞩目的苹果新品发布会上，备受关注的iPhone X 推出了具有人脸识别功能的Face ID。结合之前人脸识别技术的各类广泛应用，也许，“全民刷脸”时代真的要来了，不过，拼的不再是颜值而是识别准确度。人脸识别技术作为近期的潮流和趋势，未来也存在较大的市场发展空间，但该技术仍有待完善。多种生物识别方式的结合创造出“1+1大于2”的效果，或许是解决人脸识别技术难题的有效途径。

采访专家

李子青（中国科学院自动化研究所研究员、生物识别与安全技术研究中心主任）

如果你留意科技新闻，“人脸识别”技术早就不算什么新鲜事儿了。 2015年，支付宝就率先实现了人脸识别登录，并将其应用于金融级场景;而前段时间，北京天坛公园的“人脸识别”厕纸机“火了”一阵子;今年春运期间，北京、上海等多地火车站启用了“刷脸进站”设备;今年8月，首都机场与百度公司签署合作协议，未来我们也可以 “刷脸登机”了;为防止转租，北京市公租房计划试点推广了应用“人脸识别”技术的门禁; 9月1日，杭州一家肯德基餐厅上线“刷脸支付”服务：顾客只要在摄像头前扫描一下脸部，就能完成付款……

北京时间9月13日凌晨，一年一度万众瞩目的苹果新品发布会上，全新的iPhone 8、iPhone X和APPLE Watch 3与大众见面。其中，最受关注的iPhone X更是彻底抛弃了指纹识别Touch ID，推出了具有人脸识别功能的Face ID。

一向“带节奏”的苹果公司，会用这款号称“史上最贵”的新一代苹果手机，把“人脸识别”技术带向主流吗?一个“全民刷脸”的时代，是否会比我们想象中更快地到来?

从模式识别到深度学习大数据是重要发展基础之一

再也不用背复杂的密码了，甚至省去了特意按压Home键的动作。人脸识别技术加上“注视感知”功能，让你只需拿起手机，它就会自动解锁设备;甚至“买买买”的时候，看一眼手机就会显示“付款成功”，如此简单自然和便捷，毫秒级别的解锁速度带来更好的用户体验。

毫无疑问，随着Face ID的彻底“上位”，未来短时间内“人脸识别”可能都将是最炙手可热的技术之一。

那么，从早期的“刷脸”到如今的Face ID，现下的“人脸识别”技术到底处于哪个阶段?

中国科学院自动化研究所研究员、生物识别与安全技术研究中心室主任李子青告诉北京科技报记者，“人脸识别”技术目前走到了一个从模式识别迈进深度学习的阶段。

人脸识别作为生物识别技术的一种，简单地说，就是通过人的脸部特征来鉴别人的身份。和其他的生物特征(指纹、虹膜等)一样，人的脸部特征是与生俱来、独一无二的，所以利用人脸来鉴定身份具有天然的优势。

对于人脸识别技术，科学家们早在上世纪50年代就有研究，但当时的“人脸识别”技术，只被当做一个一般性的模式识别问题看待，并未在业界引起多大的震动。直到1991年，美国麻省理工学院媒体实验室提出了对于人脸识别具有里程碑意义的“Eigenfaces”特征脸方法，把人脸从像素空间变换到另一个空间，在另一个空间中做相似性的计算，极大地推动了人脸识别技术的发展。

在21世纪最初的10年，局部描述子方法成为研究主流。它在人脸的局部区域例如眉毛、眼睛、鼻子、嘴巴等部位抽取局部描述子，再线性或非线性地映射到高维向量空间中去。

因为特征和模型始终是人工设计的，所以这种方法存在着不小的局限性，准确率也很难保障。

近几年，随着海量标准人脸的大数据不断发展，人脸识别的技术路线也由之前的局部描述子+测度学习，逐渐转变为深度学习，从而使得准确率大大提升。

李子青介绍，所谓深度学习，就是让已经在网络结构中预设了人脸识别先验知识的神经网络，“阅读”很多人在各种环境下拍摄到的不同人脸照片，自动学习并提取人脸各个部位和尺度的低、中、高层特征。这样在经过大量学习之后，它便能根据所提供的监督信息将不同的人分开。

LFW(Labeled Faces in theWild Home)是国际权威的人脸识别数据库，它是为了研究非限制环境下的人脸识别问题而建立的，里面包含超过1.3万张人脸图像。目前，在这个数据库的测试结果中，几乎全球顶尖团队的准确率都超过了99%。

“大数据是深度学习的基础，没有海量的人脸数据，就无法进行很好的识别，这是近几年数据库不断建设的结果。”李子青表示，大数据和深度学习极大地推进了人脸识别和人工智能的快速发展。比如目前在安防领域里对人脸识别技术的应用，就建立在大数据的基础之上。

9月19 日，杭州，一位顾客正在进行刷脸认证。近 日，支付宝在杭州一家餐厅首次推出刷脸支付服务，用户开通该项功能后只需绑定手机号，通过支付平台刷脸即可完成交易，再也无须担心付款时手机没电或者忘带 的尴尬。

你的脸如何被“认出”?背后是一套复杂的逻辑程序

“只是因为在人群中多看了你一眼，再也无法忘记你容颜”，对于人脸识别来说，看了一眼就能记住“容颜”的技术背后，则是一整套复杂程序的支持。

那么，你的脸是如何一步一步被“认出”的呢?

“简单来说，人脸识别的过程就是先找到人脸，把人脸进行预处理以后，用算法把人脸部分进行特征提取，把图片变成一个二维码。在此基础上进行特征的对比，然后进行身份识别的判别。”李子青告诉北京科技报记者，人脸识别中，人脸检测主要依靠摄像头等硬件捕捉图像，关键点检测和人脸识别则依靠深度学习算法、三维动态人脸识别和超低分辨率人脸识别技术。

首先，检测人脸在哪里，先要从照片中识别出人脸在哪里，以及它的大小和位置。需要采用特定算法才可智能挑选。

目前我国已研发出“深度卷积检测网络”，从而同时学习人脸和非人脸的特征，帮助计算机准确找到“脸在哪”。

在准确找到“脸在哪”之后，就进入了人脸识别技术的最核心环节——关键点检测，所谓关键点检测，就是通过眼睛、眉毛、鼻子、嘴巴、脸颊轮廓特征等关键点和面部表情网，找出彼此之间的关联，最终判定这些图像是否为同一个人。

最后，进行人脸特征的匹配与识别，也就是将待识别的人脸特征与已经得到的人脸特征模型进行比对，从而对身份信息进行确认判断。如今，使用深度学习算法的人脸识别，已经可以大大简化这一过程，因为所有匹配都是由神经网络自动实现，这也是目前最有效的识别方法之一。

▲无论是张嘴还是 做一些夸张表情， 系统通常可以通过 三维建模和表情校 正的算法纠正出来 （图片来自于网络）

从“2D”过渡到“3D”大大扩展了应用场景

从技术上看，目前人脸识别技术主要分为2D人脸识别(包括彩色图像、红外图像)和3D动态人脸识别。

2D人脸识别是在彩色图像上的识别方法，主要优势在于检测数据获取方式便捷，同时目前算法相对成熟，是目前主流的技术应用方向。

而3D动态人脸识别方法是基于人脸3D立体模型进行识别，这种技术对环境不佳情况下采集的图像仍能弄清“这是谁的脸”，有效地解决了光线不佳、运动场景中人脸识别的问题，可以针对运动中捕获的人脸图像进行准确识别。通过对人脸骨骼轮廓进行识别，保证在不同的光线、动态的情况下也能精确识别，大大扩展了人脸识别技术的应用场景。

新一代苹果的Face ID也应用了“3D动态人脸识别”技术。在iPhone X的“刘海儿”上，苹果布设了不少与人脸识别关系比较大的硬件设备，包括：Infrared camera(红外相机)、Flood illuminator(泛光照明灯)、Ambient light sensor(环境光传感器)和Dot projector(点阵投影器)。

结合这些硬件设备，iPhone X实现人脸解锁的背后原理大概是：通过点阵投影，在面部形成3万多个红外点，再利用红外相机拍摄，根据系统中一定的算法对扫描到的脸部轮廓进行三维建模，匹配识别。泛光照明灯主要起辅助作用，光线差的场景中也能识别人脸;关于环境光传感器，有业内人士表示可能是利用自然光来进行活体检测，对面部识别进行安全防护。

另外，苹果还加进了机器学习的功能，就算你戴上眼镜或者帽子、留起了胡须，Face ID也可有效地使用。

▲ iPhone X 的“刘海儿” 里Infrared camera（红外相机）、Flood illuminator（泛光照明灯）、Ambient light sensor（环境光传感器）和Dot projector（点阵投影器）与人脸识别 关系比较大。

“一脸走天下”的背后我们的隐私和安全有保障吗?

苹果公司宣称，相同指纹的破解率是五万分之一，而与Touch ID相比，Face ID被随机破解率则是百万分之一，就算是这样，在“看脸”的时代里，我们的隐私和安全就能得到更多的保障吗?

就在今年2月，美国著名科技杂志《麻省理工科技评论》发布了2017年度全球十大突破性技术榜单，其中刷脸支付上榜，这项技术被认为是在“成熟期”。与其一起上榜的还有僵尸网络、基因疗法等前沿科技。

台湾联发科技股份有限公司(MediaTek.Inc,MTK)也表示：“在网络交易等领域广泛使用的刷脸支付，提供了一种安全方便的支付方式，在中国，人脸识别系统现在应用于授权支付、设备访问以及罪犯追踪”，不过MTK也同时指出，“刷脸支付存在着隐私隐患。”

如果说密码时代我们可以依靠记忆属性，指纹时代依靠指纹特征的物理属性，但在刷脸时代，我们每个人都不得不面对“真相大白于天下”的尴尬。

最新的研究技术表明，未来，就算你戴面具、裹头巾，依然能够被人脸识别技术认出，那么，我们的隐私和安全又该如何保障呢?

用户的照片是如何传输或保存的?保存和拷贝是否经过了用户允许?用户数据如何确保不被盗用?

在中科院计算机技术研究所研究员山世光看来，人脸识别经过多年的发展，这几年的确取得了不少突破，但用户的隐私问题也值得关注，很多涉及隐私的问题，现下并没有明确的解决方案。

此外，一些安全方面的问题也亟待解决，传统的人脸防伪方法一般通过用户的动作，例如：眨眼、张嘴、点头、摇头、微笑、眼动等作为防伪线索，即我们常说的活体检测。这种方法会有一个漏洞，就是难以防住真人视频或者合成的视频(例如3D模型或者换脸算法)。

早在2015年，就有赵薇老公黄有龙的司机冒充黄有龙，骗过人脸识别从而偷卖豪宅的事情。而不久前的3·15晚会，更是直接拿人脸识别技术开了一枪：在晚会的现场演示中，原本需要真人眨眼睛、点头等行为来进行验证的步骤，结果依靠照片就通过了人脸识别系统的检测。这种照片在经过技术处理后，可直接通过人脸识别系统的检测，其安全隐患远高于人们的想象。

而在苹果新品发布会上，苹果公司介绍Face ID曾成功抵御了来自好莱坞特效顾问创建的面具照片的攻击时，仍有人认为这里面有漏洞，因为毕竟苹果并没有明确指出来能防备所有的攻击。

对此，李子青表示，刷脸支付的到来，意味着生物识别技术进入了一个商业应用的全新时代，但脸部识别对于安全性和便捷性有着极高的要求，特别是安全性方面。

“整容了就识别不出来，双胞胎也很难被识别出来，妆前和妆后差距太大，有时也有可能导致识别错误”，李子青呼吁在加强技术研发的同时，也要注意相关法律法规的完善，“要制订相关的一些标准、法律、法规，最大程度地规避可能存在的风险”。

▲面对同卵双胞胎，人脸识别的错误概率比较高，这种时候考虑改为纯密码可能会更加安全。微软公司的人脸识别系统曾对六对同卵双胞胎进行过测试，结果红色边框的那对出现了混淆（图片来自网 络）

能用还是好用?“全民刷脸”的时代离我们有多远

不仅仅是谷歌、苹果、BAT之类的世界级公司，也不仅仅是工农中建之类的国有大型金融机构，甚至连生活中的小商小贩，未来都可能使用刷脸技术，让人不禁浮想联翩，“全民刷脸”的时代离我们到底还有多远呢?

9月12日的苹果新品发布会，苹果高管上台演示新发布的iphone X时，第一次Face ID居然识别失败了，令人尴尬不已;伦敦警察用最新的脸部识别技术抓捕犯罪嫌疑人，一天之内竟然错抓了35人，被迫停止使用了这项技术。

种种现象告诉我们，尽管人脸识别技术已经完成了从测度学习到深度学习的转变，但在实际操作中，除去安全和隐私的隐患，仅从技术角度分析，依然面临着不少困难，有些甚至是致命的。如今的人脸识别技术，距离真正的好用似乎还“差点儿火候”。

李子青告诉北京科技报记者，脸部识别的诸多技术难点中，首先要解决的就是光照问题。

“比如说，在环境全黑的条件下，我们连图像都采不到，怎么能进行人脸识别?”以目前通用的技术来看，对于极强或者极弱的极端光照情况，现行的算法还无法进行有效地区分。其他还包括姿态、表情，还有配饰、遮挡等问题，以及随着人年龄变化带来的面部外观改变，特别是青少年容貌变化较大，同样存在着不小的技术瓶颈。

“俗话说，兄弟齐心，其利断金，如果我们能够把多种不同的生物特征结合起来，准确性和安全性都可以得到很大的提升”。在李子青看来，多种识别方式的结合，可以创造“1+1大于2”的效果，或许是解决时下面部识别技术难题的有效途径，“比如说采集脸部信息的时候，也采集虹膜信息;采集指纹的时候，也采集指静脉，这样既不影响用户使用的便捷性，也可以极大地提升识别准确率和安全性。”此外，巨大的市场红利和日益增长的市场份额，或许成为助推人脸识别企业技术发展的另一种有效手段之一。

数据显示，2009-2016年，全球生物识别市场规模由34.22亿美元上升至127.13亿美元，年均复合增长率为31.50%。其中，人脸识别市场规模占比由2009年的11.4%增长到2016年的20.87%，占比持续增加。而我国人脸识别相对于全球发展相对落后，2016年我国人脸识别市场规模约为123.74亿元，预计2018年我国人脸识别市场规模将超过400亿元，未来发展还存在较大的市场空间。

噱头也好，科技也罢，从普通用户的角度，谁也不能否认的是，人脸识别帮助大家省去了不少麻烦。从公共安全、金融、智慧城市，到智能生活;从严肃的身份安全性保障产品，到有感情的互联网人脸识别产品，再到人工智能的视觉模块，未来，人脸识别技术及产品，一定会更深刻地改变生活与经济发展。

▲根据Wired 报道，Cloudflare 的安全研究员Marc Rogersi 表示，使用3D打印来把人的头像复刻出来， 就有可能突破Face ID的防御。来自北卡罗来纳大学的研究人员也提供了一种方法，即通过社交网络收集不同的照片来构建一个人脸的3D虚拟模型，他们利用这种方法攻破类似的面部识别的成功率达到了55％到85％（ 图片来自网络）

▲与面容识别技术相关的硬件厂商，如红外相机厂商、环境光传感器制造商，将会迎来巨大的发展机会（图 片来自网络）

（部分摘编自“36氪”微信公众号、“央视新闻”微信公众号和《三联生活周刊》）

延伸阅读>>>

生物识别技术众多，刷脸为何脱颖而出

人脸识别技术属于生物特征识别(以下简称生物识别)技术的一种，由于人的生物特征通常具有唯一性，和传统的密码相比，生物识别具有随身携带、安全可靠、难以伪造的优势，是目前最方便与安全的识别技术。近年来，生物识别技术走向大众，升级人们的“密码”，让我们的生活更便捷、更安全。

怎样证明“你是你”?生物识别技术辨识你的“独一无二”

生物识别有时也被称为“生物特征识别”，即根据人自身的特征来识别“你是谁”。这些自身的特征叫作生物特征，主要分为生理特征和行为特征。生理特征是与生俱来的，比如指纹、虹膜。行为特征是后天习惯使然，比如人的笔迹。生物识别就是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性和行为特征来进行个人身份的鉴定。

根据美国咨询机构 Transparency Market Research 的预计，全球生物识别技术市场规模将从 2015 年的 112.4 亿美元，增长至 2020 年的 233 亿美元，复合年均增速为15.7%。主要分为人脸识别、指纹识别、虹膜识别、声纹识别以及静脉识别的生物识别市场正处在快速增长当中。

人脸识别应用最广泛，使用最便捷

人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年代后期，并且以美国、德国和日本的技术实现为主。

如今，人脸识别技术的应用已经不局限在商务场所中，它已经以各种智能家居的形式逐步渗透到平常百姓家。不过，人脸识别系统信息存储仍是以计算机能识别的语言为主，即数字或特定代码，安全性便要打折了。

指纹识别技术成熟，但并不适用于每一个人

每个指纹都有几个独一无二可测量的特征点，每个特征点都有大约7个特征，人们的10个手指产生最少4900个独立可测量的特征。指纹识别技术通过分析指纹可测量的特征点，从中抽取特征值，然后进行认证。当前，我国第二代身份证便实现了指纹采集，且各大智能手机都纷纷实现了指纹解锁功能。

与其他生物识别技术相比，指纹识别早已经在消费电子、安防等产业中广泛应用，通过时间和实践的检验，技术方面也在不断革新。虽然每个人的指纹识别都是独一无二的，但并不适用于每一个行业、每一个人。例如，双手长期从事手工作业的人们便会为指纹识别而烦恼，他们的手指若有丝毫破损或干湿环境里、沾有异物则指纹识别功能就要失效了。

虹膜识别安全性居于首位，但使用体验并不友好

相对于其他生物识别技术而言，虹膜识别误识率和拒真率已经达到了零几率的识别水平，而虹膜识别又属于非接触式的识别，识别方便高效。虹膜是每个人特有的，具有不可复制的唯一性，安全等级是目前最高的。

相比其他生物特征识别技术，由于虹膜在胎儿发育阶段形成后，在人的整个生命历程中基本保持不变，所以这些特征决定了虹膜特征的唯一性，同时也决定了身份识别的唯一性，使虹膜识别拥有极为精确的特点。但作为面向用户的识别方式，因为虹膜识别要求用户必须睁大眼睛近距离对准摄像头，所以在使用体验上不够友好。

如果用户愿意接受使用条件的约束，虹膜识别的成功率要比人脸识别更高一些。但它在识别率已经达到实用要求的情况下，却一直没有得到大规模应用的重要原因就是“不够易用”。同时，虹膜识别的应用价格也与其技术难度成正比，相比其他的识别技术，略显贵态。

▲虹膜扫描识别在保护用户敏感数据方面很可靠。人进入2岁以后，虹膜就不会发生太大变化了，眼球表面很难受到伤害，也很难被复制，并且这项技术的出错率很低，仅有十万分之一（图片来自网络）

声纹识别成本低廉、获取便捷，但适用要求严格

所谓声纹，是用电声学仪器显示的携带言语信息的声波频谱。人类语言的产生是人体语言中枢与发音器官之间一个复杂的生理物理过程，人在讲话时使用的发声器官——舌、牙齿、喉头、肺、鼻腔在尺寸和形态方面每个人的差异很大，所以任何两个人的声纹图谱都有差异。这也使得声纹识别也可以称为身份认证的一种方式。

与其他生物特征相比，声纹识别的优势在于：(1)声纹提取方便，可在不知不觉中完成，因此使用者的接受程度也高;(2)获取语音的识别成本低廉，使用简单，一个麦克风即可，在使用通讯设备时更无需额外的录音设备;(3)适合远程身份确认，只需要一个麦克风或电话、手机就可以通过网路(通讯网络或互联网络)实现远程登录;(4)声纹辨认和确认的算法复杂度低;(5)配合一些其他措施，如通过语音识别进行内容鉴别等，可以提高准确率。这些优势使得声纹识别的应用越来越受到系统开发者和用户青睐。

不过，声纹识别的缺点也十分明显，对环境的要求非常高，在嘈杂的环境、混合说话下声纹不易获取;人的声音也会随着年龄、身体状况、年龄、情绪等的影响而变化;不同的麦克风和信道对识别性能有影响等。

所以声纹识别目前主要还是被用于一些对于身份安全性要求并不太高的场景当中，比如现在比较热门的智能音响。

静脉识别市场运用率低，原因是制造成本高

据央视新闻9月20日报道，日前，英国伦敦布鲁内尔大学内一家商店开始提供指静脉识别进行付款。简单点说就是，在对手指头进行相关“设置”之后，就可以动动指头轻松完成付款了。报道称，这是全球首家提供这种付款方式的超市。

静脉识别是通过指静脉识别仪取得个人手指静脉分布图，将特征值存储。比对时，实时采取静脉图，提取特征值进行匹配，从而对个人进行身份鉴定。

如今的静脉识别兼具四大特点：高度防伪、简便易用、快速识别及高度准确。

最为重要的一点是，指静脉识别的特征已被国际公认具有唯一性，且和视网膜相当，在其拒真率(相同结构图，而被算法识别为不同)低于万分之一的情况下，其识假率(不同结构图，而被算法识别为相同)可低于十万分之一。

然而，目前静脉识别功能在市场的运用率并不高，而它同样有着难以规避的缺点。例如手背静脉仍可能随着年龄和生理的变化而发生变化，永久性尚未得到证实;仍然存在无法成功注册登记的可能;由于采集方式受自身特点的限制，产品难以小型化;采集设备有特殊要求，设计相对复杂，制造成本高。

据天津日报报道，静脉识别技术可追溯至1983年。当时，柯达公司的约瑟夫·莱斯在研究红外条形码技术时，产生了利用人手背血管红外成像作为身份识别的想法，发明了最早的手静脉特征识别技术。1987年，约瑟夫·莱斯获得此项技术的第一个专利，但在安防领域并未引起足够重视。

（本文内容摘编自《每日经济新闻》、“安创空间”公众号）