人脸识别

出自 MBA智库百科(https://wiki.mbalib.com/)

　　人脸识别是指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是用摄像机或摄像头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的一系列相关技术，通常也叫做人像识别、面部识别。

　　传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。

　　迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。

　　人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。

　　人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登 记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。

　　人脸搜索时（搜索式），将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。

　　人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点：

　　非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”；

　　非接触性：用户不需要和设备直接接触就能获取人脸图像；

　　并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别；

　　生物特征：例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。

　　不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。

　　生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。

　　除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。

　　基于人脸特征点的识别算法（Feature-based recognition algorithms）。

　　基于整幅人脸图像的识别算法（Appearance-based recognition algorithms）。

　　基于模板的识别算法（Template-based recognition algorithms）。

　　利用神经网络进行识别的算法（Recognition algorithms using neural network）。

　　提出了基于Gamma灰度矫正的光照预处理方法,并且在光照估计模型的基础上，进行相应的光照补偿和光照平衡策略。

　　基于统计形变的校正理论，优化人脸姿态；强化迭代理论

　　强化迭代理论是对DLFA人脸检测算法的有效扩展；

　　独创的实时特征识别理论侧重于人脸实时数据的中间值处理，从而可以在识别速率和识别效能之间，达到最佳的匹配效果

　　人脸识别需要积累采集到的大量人脸图像相关的数据，用来验证算法，不断提高识别准确性，这些数据诸如A Neural Network Face Recognition Assignment(神经网络人脸识别数据)、orl人脸数据库、麻省理工学院生物和计算学习中心人脸识别数据库、埃塞克斯大学计算机与电子工程学院人脸识别数据等。

　　现有的人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果。但是，在用户不配合、采集条件不理想的情况下，现有系统的识别率将陡然下降。比如，人脸比对时，与系统中存储的人脸有出入，例如剃了胡子、换了发型、多了眼镜、变了表情都有可能引起比对失败。

　　在生物识别信息中，人脸识别是最为火热的应用技术。但由于人脸信息涉及许多隐私数据，使用不当将存在巨大的风险，因此亟须立法规范。欧美是此领域立法的先行者。尤其是美国，近两年来许多城市均出台相应的禁令。

　　2008年

　　●美国伊利诺伊州《生物信息隐私法》

　　该法是美国州层面第一部保护个人生物信息的法律。该法要求私人实体收集个人生物信息之前，须提供通知，并获得个人的同意，且应当是书面的。

　　2018年5月

　　●欧盟《通用数据保护条例》（GDPR）

　　GDPR被誉为“史上最严格数据保护法”，但对更为敏感的生物识别数据，比如人脸数据，GDPR仍存在局限性。

　　2019年5月

　　●英国威尔士卡迪夫

　　英国威尔士首府卡迪夫的埃德·布里奇斯向法庭提诉讼，称警方对他使用人脸识别技术是非法侵犯他的隐私权。这一案件被认为是英国，乃至世界第一例涉及人脸识别技术的案件。

　　2019年8月

　　●瑞典谢莱夫特奥市

　　瑞典数据监管机构（DPA）对当地一所高中开出第一张基于欧盟GDPR的罚单。该学校使用人脸识别系统记录学生的出勤率。

　　2019年

　　●美国《商用人脸识别隐私法》（草案）

　　该法案到2019年3月已被美国国会审议两次，并提交到“商业、科学和交通委员会”。该法案主要目的是禁止商业机构在未获得个人明示同意的情况下使用人脸识别技术。

　　2020年2月

　　●美国《加州人脸识别技术法案》

　　该法案主要对州内私营主体与公共主体分别应如何使用人脸识别技术问题做出了规定。该法案对公共主体使用面部识别技术的态度较为宽松，但对于使用人脸信息和人脸识别进行持续监视的行为，原则上仍被禁止。

　　2020年4月

　　●美国华盛顿州《人脸识别服务法》

　　该法是美国第一部严格限制执法部门使用人脸识别技术的州法律。这使得华盛顿州成为美国首个通过面部识别法案的州。该法适用于华盛顿州所有公共机构。

　　2019年4月，郭某支付1360元，办理了野生动物世界双人年卡，确定指纹识别入园方式。2019年7月、10月，野生动物世界两次向郭某发送短信，通知年卡入园识别系统更换事宜，要求激活人脸识别系统，否则将无法正常入园。郭某认为人脸信息属于高度敏感个人隐私，不同意接受人脸识别，要求园方退卡。协商未果后，郭某以园方未经同意强制收集个人生物识别信息，严重违反《消费者权益保护法》等为由，将对方诉至法院。

　　经审理，法院认为人脸识别入园方式并非双方的合同条款，对郭某不发生效力，野生动物世界单方变更入园方式构成违约，应当承担违约责任。野生动物世界欲将已收集的照片激活处理为人脸识别信息，超出事前收集目的，违反了正当性原则。

　　2021年4月9日，法院二审判决野生动物世界赔偿郭某合同利益损失及交通费共计1038元，删除郭某办理指纹年卡时提交的包括照片在内的面部特征信息，以及指纹识别信息。