婷丁香基地-日本私人网站在线观看-一本岛在线-色www精品视频在线观看|www.shzcyb.com

世界上沒有兩張完全一樣的面孔，就像世界上沒有兩片完全相同的葉子一樣，基于或多或少的差異性，人類才能在龐大的人類群體中分辨彼此。人臉識別將這一能力賦予計算機，利用其強大的存儲和運算能力，并依托大數據和人工智能算法，在計算機“大腦”中存儲多人的影像資料特征，根據差異性來辨別眼前的人是“張三”還是“李四”，是興奮還是疲倦……

鑒于技術的日趨成熟，現階段的人臉識別技術已經在具體場景落地嘗試，如會議人臉簽到、人臉識別智能門禁、安防監控人臉識別報警功能，還有最接近大眾群體的智能手機人臉解鎖功能……人臉識別的應用覆蓋了安防、門禁、金融、園區等多領域下的各類不同場景，備受大眾和資本的追捧。但在人臉識別技術高歌猛進的背后，還存在一些潛在的隱患理應被重視。

不均衡的產業鏈

現階段的人臉識別技術在整個人工智能技術范疇內是占比較重、發展較快的一大領域。根據前瞻產業研究院發布的《人臉識別行業市場前瞻與投資戰略規劃分析報告》數據顯示，2016年，全球人臉識別行業市場規模約為26.53億美元，其中我國人臉識別行業市場規模約為17.25億元，占到全球人臉識別行業市場規模的10%左右。根據表層數據顯示，我國在這一行業領域的發展勢頭是較為強勁的，但深挖我國人臉識別產業鏈，會發現，市場上的企業多集中于下游，即具體的場景應用，而少有企業在中上游發力，這是很危險的。

上游基礎層主要包括人工智能芯片、算法技術和數據集。首先，在人工智能芯片的研發上，國內企業略顯乏力，缺少像英偉達以及AMD Vision這樣的公司，最主要的原因在于國內芯片制造行業起步較晚，而人工智能芯片的設計又要求將算法、計算能力、大規模數據等內容全部整合到一起。面對這樣的難度，需要在技術層面進行長期探索，才有望追趕上國際芯片巨頭，而這需要足夠的耐心以及龐大的資本支持，中小企業沒有足夠的資本支持，即便有心也是無力，大企業則需要足夠的魄力承擔背后的風險，亦是艱難。

在算法領域，國內領先的人工智能企業，如商湯科技、BAT都在研究并構建人工神經網絡，在深度神經網絡、卷積神經網絡、循環神經網絡的不斷搭建、優化過程中，構建更強大的深度學習算法。這些算法的研究成果對于企業而言屬于商業機密，秘不外宣是最符合商業競爭法則的方式。但美國的谷歌、Facebook、微軟都推出了深度學習算法開源平臺，將自己研發的算法技術進行開源，降低了很多企業在人工智能基礎技術研發上的投入。與之對比，國內只有百度的PaddlePaddle一個深度學習算法開源平臺，在研發力、競爭力上自然會稍遜一籌。

相較之下，在真實數據以及模擬數據的收集上，國內行業巨頭與國際人臉識別行業巨頭的差距倒不是十分明顯。但從整體來看，在人臉識別的產業鏈上游，國內企業與國際巨頭的差距還是十分明顯的。

中游是由視頻人臉識別、圖片人臉識別和數據庫對比檢驗等技術層構成，大體包括人臉檢測、活體檢測、人臉識別、視頻對象提取與分析等技術。雖然處于中游的企業占比不大，但遠優于產業鏈的上游現狀。商湯科技、曠視科技、海康威視等一批企業在人臉識別的具體技術層面相繼發力，已經取得了較為不俗的成績。

下游則是國內人臉識別企業最集中的區域，這也取決于國內擁有龐大且復雜的應用場景的支持。如遠超各國的移動支付技術和市場給了“刷臉支付”難得的嘗試機會；高度集中式的住宅小區對智能安防提出了更高的要求……廣泛且復雜的場景領域，讓下游得以容下諸多企業。

產業鏈的不均衡，是目前國內人臉識別行業面臨的最大問題，沒有基礎技術的長足發展，就猶如無根之萍、無源之水，終究不是行業發展的長久之策。

可能存在的缺陷

人臉識別最主要的目的在于身份認證。例如智能手機采用的人臉解鎖，其目的在于確認使用者是否是被認可的手機用戶；人臉識別智能門禁的目的在于只允許有權限的人進入特定區域……這就要求人臉識別的精度必須保持在一個極高的水準，且不能被技術手段所欺騙。但以現階段的實際應用效果來看，還不能完全避免錯誤的發生。

首先在精度方面。關鍵點定位技術是快速識別一個人的核心技術，用于定位的關鍵點越多，識別的精準度就越高。以商湯科技為例，采用眼、口、鼻輪廓等人臉21、106、240三個不同數量級的定位點，可支持不同場景的需求，并能夠適應大角度側臉、大表情變化、遮擋、模糊、明暗變化等各種實際環境。但能達到利用240個定位點的研發企業并不多，且現實環境的復雜性會令部分定位點失效，其精度難免受到影響。

在智能手機人臉解鎖等簡單或主動需求的場景下，現階段人臉識別的精度已足夠完成相應任務，因為用戶可選擇去除遮擋物，避免干擾，弱光條件下智能手機可以提供屏幕補光功能。而在交通及安防領域，對精度的考驗則大大提升，在側臉、遮擋、模糊、明暗變化等各種復雜環境下，有效的定位點就會大幅縮減，精度自然隨之下降。如何讓有效定位點更好發揮作用，精度達到更高，是人臉識別企業要深究的問題。

其次在于活體檢測技術。指紋識別可以通過指紋模型等手段騙過機器，人臉識別則會受到照片、視頻等手段的欺騙，人臉識別不僅要保證人臉的正確性，同時要保證這張臉是不是活體的人臉，因此有了活體檢測技術。靜態活體檢測可以通過檢測人臉微表情得出結果，動態活體檢測會讓用戶根據隨機給出的指令做出動作，大大降低了人臉“偽造”的可能性，但如果用硅膠、乳膠、3D打印做的立體面具來攻擊系統，并不能完全排除識別失誤可能性。

再者，市場上多數采用的2D識別技術缺陷明顯。人臉是以3D立體的形式存在，2D并不能展現人臉的全貌，且容易受到姿態、光照、表情等因素影響，識別率較差。不過，目前部分人臉識別企業已經開始轉向利用3D識別技術，利用三維人臉立體建模方法，最大程度保留人臉有效信息，實現更精準識別。

此外，還有人專門研究了可以破壞人臉識別率的產品。就在今年，多倫多大學教授Parham Aarabi和他的研究生Avishek Bose還開發了一種算法，通過對圖像進行“光轉換”，能夠動態地破壞人臉識別系統，將識別成功率降至 0.5%。

這些缺陷和破壞對人臉識別技術的應用而言，是極具威脅的。如何令人臉識別技術不畏懼這些威脅，是國內企業發展的重要方向。

去除隱患，保證行業的健康發展

在2018世界人工智能大會開幕當天，國家主席習近平致信祝賀大會的召開，并指出：“新一代人工智能正在全球范圍內蓬勃興起，為經濟社會發展注入了新動能，正在深刻改變人們的生產生活方式。”而人臉識別技術作為人工智能的一部分，也在改變人們的生產生活方式。但我們理應認清現實，正確認知人臉識別技術存在的缺陷，不盲目樂觀。

同時，針對目前所暴露的隱患，眾企業需要逐個消除，優化人臉識別行業產業鏈，打好行業基礎，并努力提升識別精度，降低活體檢測失誤率，整體由2D識別技術向3D識別技術邁進，適應各類復雜環境、復雜場景，在保障國內人臉識別行業高速發展的同時，做到不“生病”、不“畸形”，保持健康的姿態。