人脸识别技术的现状及未来发展趋势的分析

• 2019 年 10 月 31 日
• 筆記

1、实际应用效果与实验效果差距巨大

现如今的人脸识别技术在金融、安防等领域的应用实际上的效果要比实验室里的差很多，某高校引入人脸识别晨读打卡，由于反应速度太慢，到中午还排着很长的队。可见人脸识别技术在实际应用中，由于各种物理因素（光照、角度、对焦、人鱼摄像头的距离等）导致抓拍的图片质量比较差，图片又经过网络传输到局域网进行对比，匹配识别（这个处理过程比较速度太慢），使得实际效果大打折扣。在大多数情况下，实际抓拍图像质量远低于训练图像质量。

人脸识别识别流程图

2、须提高实验测试的标准

在做实验测试时，往往图片质量比较高且是正脸图片，在实际应用中，采集到的图片可能是局部人脸且图片质量不高。所以大多数情况下，实际应用的标准会远高于训练标准。

3、训练效果和现实效果

大多数情况下，实际效果会远低于训练效果。现在市面上CV公司都是说自己的训练效果在99%以上（无限接近于100%），但这不等于实际应用的效果就是99%。工业上场景复杂的人脸识别应用（类似识别黑名单这种1:N的人脸比对）正确率在90%以上就已经是表现得很好的算法模型。

人脸识别技术未来发展趋势的思考

随着人工智能行业的火热和发展，在信息化、云计算、大数据的背景下，生物识别技术的应用面会越来越大，由以人脸识别为其中代表。以下几个发展趋势呈现：

1、网络化趋势

人脸识别解决了日常生活中一个基本的身份识别问题，今后，这种身份认证的结果会越来越多的和各行各业应用结合起来，并通过互联网和物联网得以信息共享，简单来说就是“身份识别+物联网”的发展趋势未来将十分普遍。

2、多生物识别模式融合趋势

人脸识别技术现如今的还达不到人类的预期体验，对于一些安全性要求高的特殊行业应用，如金融行业，人脸识别很容易被不法分子攻破漏洞进行身份造假，因此需要多种生物特征识别技术的融合应用（如活体检测、虹膜识别等）以进一步提高身份识别的整体安全性。

3、云技术

未来的云技术也将大大给人脸识别的应用提供数据和计算力支持，基于云技术的门禁控制可以同时管理成百上千的通道，加上物联网的普及，用户对任何地方的门禁进行远程控制和管理，准确识别本人，将广泛应用到企业、学校、培训机构、大型商业场合、办公大楼的门禁解决方案。

人脸识别技术带来的安全风险

面部识别和虹膜识别存在着不同程度的可复制性的问题，人脸每天都暴露在外面，通过拍照完全可以获得一个人的脸部特征，并进行复制。另一个风险是不稳定性。脸部画上浓妆、过敏、受伤、整容都会导致脸部特征发生很大变化，影响人脸识别准确率甚至无法识别。

作为一个新兴的技术领域，人脸识别也同以往服务于安全领域的技术一样，会面对很多来自不法分子的恶意攻击，需要在不断的攻防战中提升自身的技术水平和防护能力。就像查杀电脑病毒一样，攻击和防守将是一个长期博弈的过程，从而促使技术往更好的方向去发展。