人脸识别很火但你不知道的还有很多

成都弱电公司讯：

从马云在CeBIT大会上的「刷脸」支付到最近微软推出的「how-old」，关于「面部辨认」技术的讨论一直备受关注，但基于这项技术的具体应用和发展状况的市场认知却十分有限。事实上，随着机器学习和深度神经网络两个领域的迅速发展以及智能设备的普及，「面部辨认」技术正在经历前所未有的发展。

早在2009年，一家来自美国马萨诸塞州的公司——Affectiva便已经开始了基于云端的面部辨认和情绪辨认解析服务的探索，并获得了李嘉诚的投资；而在2010年末，Facebook也开始了面部辨认领域的布局，并于2018年以6，000万美金的价格收购了著名面部辨认公司Face.com，其面部辨认项目组「DeepFace」更是宣称正在研发的面部辨认技术的准确率已经接近人类水平；一直致力于人工智能领域探索的Google也没有闲着，近几年接连大手笔收购了Picassa、Pittoatt和Viewdle等多家人脸辨认公司；就在不久前的「Build2018」大会上，微软也发布了可供用户免费集成图像及人脸辨认功能的ProjectOxford。

同样，国内的互联网巨头和创业公司们也在分歧程度上针对「面部辨认」技术进行着相应的探索。阿里巴巴围绕着「平安支付」同蚂蚁金服和「Face++」合作研发的人脸辨认技术备受关注，腾讯「优图」基于人脸辨认、图像辨认和深度学习的技术也逐步应用于各产品线，而百度则在吴恩达博士的率领下将「面部辨认」作为百度深度学习研究室的重点研究项目。除此之外，国内还涌现了像「Face++」、「AngelEyes」和「一登」这样的基于「面部辨认」技术的创业公司。

从「图像辨认」到「人脸辨认」的应用场景变更

现阶段「人脸辨认」技术的进步离不开早期「图像辨认」技术的发展与应用。从搜索引擎相似图片搜索到手机相机应用自动美颜，再到电商依据图像辨认的相似商品搜索和二维码扫描，「图像辨认」技术的应用场景覆盖了众多领域。这一方面源于各领域海量数据的积累可以达到精准匹配与优化的程度，另一方面也是因为「图像辨认」技术较于「人脸辨认」技术的更高可操作性。

的确，由于「人脸辨认」涉及到动态辨认、活体检测和微表情辨认等维度，在可操作性和精准度等方面的表现暂不及「图像辨认」，但它却有着「图像辨认」所替代不了的技术和场景优越性。首先，它能简化认证和注册的流程。假如您现在要开一个淘宝店或者注册一个微信公众账号，您便需要手持身份证拍照以验证您的身份。这固然是出于平安和信用方面的考虑，但「人脸辨认」技术却能以「人脸」为独立验证ID简化注册与认证的流程。相同的例子还有「一登」为一些应用提供的「刷脸」注册功能。

其次，在平安支付领域，成熟的「人脸辨认」技术显然要比普通的字符、字串密码来的更加快捷和平安。当用户发生支付行为时，用「刷脸」这一简朴的动作代替复杂的密码输入操作可以缩短用户支付时间；而当用户出现密码被盗的情况时，不仅可以通过独立人脸ID迅速找回，还能通过后台保留的用户人脸ID避免密码被轻易修改。

同时，在娱乐领域，「人脸辨认」技术也有丰富的利用空间。之前由「落网电台」推出的情绪辨认app——「emo」便是利用了由「一登」提供的技术进行刷脸注册和情绪辨认音乐推荐；而在游戏领域，开发者也可以通过「人脸辨认」技术的应用来捕获玩家的表情变化，从而优化游戏设计与关卡逻辑。

当然，关于「人脸辨认」技术还有很多的想象空间，一个真实且脑洞大开的故事是波士顿警方曾在Facebook「人脸辨认」技术的辅助下成功抓获了一名涉嫌儿童性侵案的嫌犯。

br/>