人臉自動識別系統作為一種重要的個人身份鑒別方法，最早用于罪犯照片管理和刑偵破案，現在這種技術在安全系統和商貿系統中都有很多的應用。

與其他身份鑒別方法相比，人臉識別具有直接、友好、方便和魯棒性強等優點。其應用領域逐步推向日常生活的各個領域，一方面明顯地提高了工作效率，另一方面，也具有極高的安全性和可靠性，其應用前景非常廣闊。

人臉識別技術的主要用途

一般來說人臉識別技術在日常生活中主要是有兩種用途，一是用來驗證“你是不是某某某”，這是1：1的人臉驗證。也就是說我們先告訴人臉識別系統，我是張三，然后用來驗證站在機器面前的“我”到底是不是張三。二是讓系統自動識別出來“我是誰”。系統采集了我的一張照片之后，從數萬人的，或者是數百萬人的庫里面自動找出來我是誰。

這是兩種完全不同的人臉識別的這兩種應用。

人臉識別技術發展到今天，第一種用途——1：1的人臉驗證，目前在可控的環境下，已經基本上達到了可使用的地步；而第二種這種動態識別，讓系統自動識別出“我是誰”，還有很長的路要走，現在的技術還沒有達到這個實際應用的需求。

人臉識別技術在金融領域的應用

刷臉辦卡、遠程貸款、自主開戶、刷臉支付······隨著人臉識別技術在金融行業的風起，越來越多的商業化應用也浮出水面。不僅僅是螞蟻金服、微眾銀行等新興互聯網金融機構，傳統金融機構如國有商行、證券、保險等均紛紛布局人臉識別技術。

基本上，人臉識別技術在金融領域有三大應用方向：自助終端、柜面系統、移動金融和營銷。”

人臉識別”自助終端

簡單來說，就是將人臉識別系統引入到自助設備中，利用人臉識別技術將現場采集的照片與已存照片、身份證照片進行比對并提供人臉相似值，工作人員即可根據相似值的高低判斷是否直接通過或進行人工審核。目前，用戶可以在自助終端上實現自助開卡、業務變更、密碼重置等個人業務。

移動金融/營銷

其核心在于人臉遠程身份核查，一般是包括兩方面，一方面用戶可以借助于手機等移動設備進行人臉身份核查；另一方面金融機構可將該人臉識別系統嵌入便攜式移動終端，上門為客戶辦理業務。

柜面系統

其核心在于人臉聯網核查，通過將現場照片與公安部已存的身份證照片進行比對、核查，更客觀、科學的實現“人證合一”，降低“肉眼”觀察的主觀意識和失誤辨認。目前已經廣泛應用于銀行、保險、證券等金融機構的柜面開戶等業務中。

人臉識別技術在公安系統的應用

人臉識別照片比對系統用于快速身份鑒別，在大量（幾千到幾百萬）的數據庫（失蹤人口照片庫、擋獲人員照片庫、常駐人口照片庫、暫住人口照片庫、追逃人員照片庫、重點人口照片庫、CCIC在逃人員照片庫等）中查找檢索特定人員的身份。

如在省廳、市局等單位建立比對中心，在分局、派出所、刑偵中心建立比對用戶端，或通過GPRS/CDMA用手機和PDA拍照并發送照片比對請求。它充分利用非常有價值的人臉照片線索，大大加快公安偵查人員對嫌疑人的身份辨認過程，為加速“科技強警”進程，形成高智能的、社會化的、規模化的公安防范體系，提供了有效的技術手段。

人臉識別技術統重點實現對擋獲人員登記管理、網絡追逃、比對查證與事后處理，同時人像比對還可用于刑偵查案、維護社會穩定等業務上。

主要應用方向如下：

1、公安系統緝拿在逃罪犯：基于人臉識別的照片比對系統幫助加快對嫌疑人的身份確認，減少“人海戰術”的低效率，在追逃、破案、尋人等應用中發揮巨大的能量。

2、尋人尋親：對老百姓或其他業務部門提供的照片，直接送入系統進行比對、檢索、篩選，最后人工確認。

3、派出所擋獲違法人員：對派出所擋獲的人員，登記筆錄，對于其中一些少數民族、聾啞人或保持沉默者等無法查證身份的人員，可拍攝照片送入各種照片庫中比對，排查涉及大案要案人員，以免漏網；或查證其前科，累計處理。

4、查證無名尸源：需要查證無名尸源時，先拍攝正面照片，送入計算機，如果照片閉眼、破損或變形，可用人像合成系統或人工繪制一幅標準照，送入比對系統比對查證。

5、目擊者描述排查：獲得現場目擊者對嫌疑人的形象描述后，可用人像合成系統進行排查。

6、獲得視頻監控照片：一般監控系統針對場景，得到的涉案嫌疑人的圖像都有模糊、偏轉、逆側光等質量不佳問題，這時需要根據圖像用人像合成系統或人工繪制一幅標準照，送入照片比對系統比對查證。

7、公共場所集會：在政府、球場等公共場所，時常會有人員滋事，此時公安民警不便直接帶人處理，可以采用長焦攝像機拍攝特寫鏡頭，如果效果不夠好可以用人像合成系統修正，送入比對系統比對查證。

8、一代/二代居民身份證識別：根據犯罪人員的身份證照片信息，與系統照片庫中的信息資料進行比對，提取出與證件上照片相似的人員信息，能充分利用現有的二代身份證照片資源，為公安部門的工作提供高效有利的幫助。

9、失蹤人口調查，收容救助、強制戒毒以及海關出入境等場所，照片比對系統幫助提高工作效率，極大地降低人工比對強度。

10、其他應用：常住人口的比對查詢、暫住人口的比對查詢、重點人口的比對查詢、CCIC在逃人員的比對查詢等。

智能人臉識別分析技術，來實現對千萬級照片庫進行準確的計算與檢索、篩選所需的人員信息，并確保分析的結果能夠滿足人工二次分析處理的要求，人臉識別系統實現架構圖如下：

人臉識別技術在社保領域的應用

為確保基本養老保險基金安全，防止冒領騙領養老金，將人臉識別技術引入人臉識別自證（人證合一認證系統），利用人臉識別特征的唯一性，精準、便捷的實現參保人身份真實性的有效核查，減少保險金發放的漏洞，最大限度的避免騙保、冒領等問題。

自證終端通過在本地對證件內信息進行自動讀取，同時對被核查人的人臉進行自動檢測抓拍，獲取證件上的人臉照片，經過高清人臉識別分析儀，與現場持證人的人臉進行比對，檢查持證人與當前證件是否同一個人，從而有效阻止認證工作中的一切造假行為，包括使用照片、視頻以及三維模型進行身份驗證等造假行為。

系統結構圖：

人臉識別技術的應用，不僅能有效遏止養老金流失，大大減少工作量，提高工作效率；同時還能優化經辦工作服務質量，減少服務摩擦，極大地方便了離退休人員，真正起到一箭三雕，一石三鳥的作用。

人臉識別技術在機場邊檢中的應用

隨著現在都市生活節奏的加快和生活水平的不斷提高，飛機已成為除火車、汽車之外，一大出行選擇。然而目前的機場登機流程及安保措施顯得復雜而薄弱。

對于機場這樣人員密集的公共場所而言，安全防護一直是機場管理的重中之重。現今許多機場已經開始使用高清人臉證件比對系統，以此輔助機場人工查驗工作。

高清人臉證件比對系統的核心是進行身份證和人像的對比。快速的識別出證件與證件使用人是否相一致，識別率達到98%以上，比肉眼更快速、更準確。當發現證件信息與持證人員不一致時，系統會自動提示安檢人員加強人工核查工作。

當乘客準備進入候機大廳時，位于安檢口的攝像頭會自動捕捉人臉圖像，人臉識別系統會自動將乘客證件照片與之進行比對，以識別乘客身份。即使乘客換了發型、化了濃妝也沒關系。人臉識別系統采集的人臉圖像還可以作為非常重要的監控數據被記錄下來，存儲在數據庫中，作為事后檢索的索引，或者與公安、安全部門的數據庫接駁，進行取證、認定。

在機場出入境安全檢測系統中，人臉識別系統發揮著多重功效。其一可以對機場人流量情況進行控制管理，其二可以對出入境人員的身份信息驗證檢測，不給可疑人員入境或出逃的機會。

人臉識別的技術難點

人臉識別雖說發展到現在3、40年的時間了，但它一直存在的幾個難點，到現在也沒能徹底解決。

1、光照問題

光照問題是機器視覺重的老問題，在人臉識別中的表現尤為明顯。由于人臉的3D結構，光照投射出的陰影，會加強或減弱原有的人臉特征。

2、表情姿態問題

與光照問題類似，姿態問題也是目前人臉識別研究中需要解決的一個技術難點。姿態問題涉及頭部在三維垂直坐標系中繞三個軸的旋轉造成的面部變化，其中垂直于圖像平面的兩個方向的深度旋轉會造成面部信息的部分缺失。針對姿態的研究相對比較的少，目前多數的人臉識別算法主要針列正面、準正而人臉圖像，當發生俯仰或者左右側而比較厲害的情況下，人臉識別算法的識別率也將會急劇下降。面部幅度較大的哭、笑、憤怒等表情變化同樣影像著面部識別的準確率。

3、遮擋問題

對于非配合情況下的人臉圖像采集，遮擋問題是一個非常嚴重的問題。特別是在監控環境下，往往彼監控對象都會帶著眼鏡，帽子等飾物，使得被采集出來的人臉圖像有可能不完整，從而影響了后面的特征提取與識別，甚至會導致人臉檢測算法的失效。

4、年齡變化

隨著年齡的變化，面部外觀也在變化，特別是對于青少年，這種變化更加的明顯。對于不同的年齡段，人臉識別算法的識別率也不同。一個人從少年變成青年，變成老年，他的容貌可能會發生比較大的變化，從而導致識別率的下降。對于不同的年齡段，人臉識別算法的識別率也不同。

5、人臉相似性

不同個體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。這樣的特點對于利用人臉進行定位是有利的，但是對于利用人臉區分人類個體是不利的。

6、圖像質量

人臉圖像的來源可能多種多樣，由于采集設備的不同，得到的人臉圖像質量也不一樣，特別是對于那些低分辨率、噪聲大、質量差的人臉圖像(如手機攝像頭拍攝的人臉圖片、遠程監控拍攝的圖片等)如何進行有效地人臉識別是個需要關注的問題。同樣的，對于高分辨圖像對人臉識別算法的影響也需要進一步的研究。

7、樣本缺乏

基于統計學習的人臉識別算法是目前人臉識別領域中的主流算法，但是統計學習方法需要大量的訓練。由于人臉圖像在高維空間中的分布是一個不規則的流形分布，能得到的樣本只是對人臉圖像空間中的一個極小部分的采樣，如何解決小樣本下的統計學習問題有待進一步的研究。

8、海量數據

傳統人臉識別方法如PCA、LDA等在小規模數據中可以很容易進行訓練學習。但是對于海量數據，這些方法其訓練過程難以進行，甚至有可能崩潰。

9、大規模人臉識別

隨著人臉數據庫規模的增長，人臉算法的性能將呈現下降。