你走到一家自助銀行前，攝像頭通過“刷臉”，自動識別你的身份為你開門;你站到ATM機前輸入密碼，再在攝像頭前“刷臉”，就可以成功取錢。這種看起來像是科幻片里的橋段，在現實中應用越來越多。

今年4月，馬云在德國漢諾威IT博覽會上當眾演示刷臉支付;上月號稱全球第一臺具有人臉識別功能的ATM機在杭州誕生。而廣州繼養老金認證使用人臉識別技術后，地鐵也將試點該技術用于甄別犯罪嫌疑人。就連微信朋友圈，前不久也被一款刷臉測年齡的應用刷了屏。

“刷臉”時代真的要來了？作為眾多生物識別技術的一種，為什么“刷臉”這么熱？有中科院專家認為，相較于其他生物識別技術，人臉識別技術采集成本較低，便利性較高，但缺點在于信息的可靠性及穩定性較弱。

刷臉取錢：從愚人節玩笑到現實

“一個空付的時代就要到了。”一段時長1分鐘54秒的視頻里，一位戴眼鏡的年輕人對著鏡頭自信地說。2013年4月1日，支付寶公司官方微博發布了上述視頻，視頻里說的“空付”看起來像是科幻片里的情節：用戶不帶錢包、手機，直接在商店刷臉、文身甚至寵物，就可以付錢購物。隨后，支付寶官方證實這只是愚人節的玩笑而已。

但僅僅過了兩年，這個玩笑在現實中上演了。今年5月，全球第一臺具有人臉識別功能的A T M機在杭州誕生。該機器由清華大學與某公司聯合研發，是我國首臺具有自主知識產權的金融安全設備。所謂A T M機的人臉識別，是通過讀取用戶身份證上的照片信息，然后將照片和A T M機頂端攝像頭攝錄下來的取款人面容，進行比對。它可與銀行、公安等系統聯網，從而遏制犯罪。

不僅可以認嫌犯　還能證明“你是你”

不僅可以通過人臉A T M取錢，廣州地鐵未來或將使用人臉識別技術。日前，公安部第一研究所開發的名為“面向未來”的人臉識別系統，已經正式向外界發布。系統在終端采集人臉信息后，與數據庫里的逃犯等資料進行比對，從而甄別犯罪嫌疑人。該研究所研究員田青在接受媒體采訪時稱，2015年6月中旬，該款產品將到廣州地鐵站進行試點。

今年4月27日，廣州市人社局就發布消息稱，廣州開發出非接觸式人臉識別技術，退休人員完成首次面部數據采集建模后，只要在有互聯網和攝像頭的地方“掃臉”，就可以完成年度認證。為了防止養老金冒領，退休人員每年都要進行生存證明，以便確認資格。按照新辦法，退休人員首先要進行數據建模采集，攜帶本人二代身份證等證件，到街鎮退管部門進行面部數據采集建模，通過網上資格認證，就可以直接在網上操作，大大節約了時間。

金融支付和安防行業應用前景最廣

“這個市場未來會很龐大，未來將進入野蠻擴張期。”上海逗點科技公司負責人張晰對南都記者說。他認為，人臉識別技術在安防行業未來將獲得更大的想象空間。該公司研發出“低分辨率小圖像的重建與識別”技術，協助公安部門破案。“比如有的案件，犯罪嫌疑人戴著墨鏡遮住半邊臉，我們的技術可以縮小范圍。還有的視頻中的像素點很低，通過這種軟件復原，能從五六十萬人中，把犯罪嫌疑人圈定在幾百個人的范圍內。”張晰表示。

此外，在重大會議中，參會者上傳身份資料，并輸入到門禁系統中，也可以甄別是否本人。上海逗點的技術，曾用于2008年北京奧運會和2014年的上海亞信峰會。在北京奧運會期間，觀眾進入鳥巢前，除門票外，還要逐一在進場通道前拍照。攝像頭會在兩秒內抓拍人臉，定位面部關鍵點，并提取特征，隨后將認證結果同時上傳到計算機，再通過計算機與觀眾的身份信息進行比對。

除了安防行業，人臉識別技術的另一大應用場景，是在金融支付領域。快速發展的互聯網金融行業，需要個人征信體系作支撐，產業需求越來越大。而用戶身份識別，成為登錄征信系統的第一步。這正是人臉識別技術大規模商用的潛力所在。

2015年4月，馬云就在德國漢諾威IT博覽會上，當眾演示了刷臉支付。這項由螞蟻金服和北京曠視科技有限公司合作研發的技術，未來計劃在購物后的支付認證階段通過“掃臉”取代傳統密碼。螞蟻金服某負責人接受媒體采訪時稱，掃臉支付未來會用于阿里巴巴在全球的支付、開戶認證等業務領域。

比人的識別能力強，但暫時還是輔助手段

但刷一下臉，真的能夠做到安全支付嗎？中科院自動化研究所研究員孫哲南認為，目前的人臉識別技術上不完美，“如果脫離了密碼輸入，完全使用人臉識別技術進行存取款操作，是不太可能的。”上海逗點科技負責人張晰也表示，他認為目前在銀行領域，人臉識別技術只能作為輔助手段，“銀行的要求是零容忍，不能出現任何問題。”

雖然如此，“人臉識別技術比人的識別能力要強，而且強不少”，北京曠視科技市場與經營部總經理謝憶楠對南都記者說，“比如一個銀行柜員對人臉識別的精度可能達到萬分之一誤識率，通過率可以超過90%;而我們最好的成績是十萬分之一的誤識率，通過率可以超過97%-98%。”生物識別技術已經得到世界各大科技公司的重視。蘋果推出指紋識別T ouchID，三星、小米已開始試水人臉解鎖屏幕。

原理

把人臉分為100多個點模擬神經網絡運算過程

人臉識別研究始于上世紀60年代末至70年代初，與指紋識別、掌紋識別、虹膜識別等都屬于生物識別技術的一種。早期人臉識別技術，是測量人臉上根據眼角、鼻孔、嘴巴、下巴幾個部位的幾何關系，通過圖像庫中的人臉模板，與待識別人臉在灰度上的相似程度，來實現人臉識別。其弊端是容易丟失有用信息，在視角、表情等變化的情況下識別能力很差。

進入上世紀90年代，隨著計算機技術的快速發展，在經歷了技術的數次更新迭代之后，人臉識別技術已從最初對背景單一的正面灰度圖像的識別，發展到能識別不同側面的靜態人臉，目前能做到動態進行人臉識別。

國際上，比較領先的研究機構是美國的麻省理工學院和英國的劍橋大學。國內關于人臉自動識別的研究始于20世紀80年代，主要的研究單位有清華大學、哈爾濱工業大學、中科院等。近年，在中國的互聯網創業浪潮下，一批有著學術背景的新型生物識別創業團隊開始崛起，如曠視科技下的face++團隊、騰訊下屬的優圖團隊等，采用了更先進的“深度學習”算法，用神經網絡模擬人的神經網絡運算過程，能達到更高精度。