刷脸支付人脸识别如何做到更快更准？

成都弱电公司讯：

“只要走进装有摄像头的咖啡厅，就会发现服务员已提前为您准备好最喜欢的咖啡；来到公司上班，智能迎宾机器人已自动打出带有您名字的欢迎语……”自马云向德国总理默克尔演示了“刷脸支付”后，人们对人脸辨认技术就有诸多期待，甚至描绘了上述一些具体应用场景。

2008年成都奥运会将人脸辨认技术用于安防，这成为人脸辨认发展的一个标志性事件，2018年后，人脸辨认技术的应用更是呈现出爆发式增长，近年来已应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗等众多领域。

但是，我们真的要进入人脸辨认时代了吗？或许这还没有人们想象中的那样快。

轨道交通视频与平安联盟名誉理事长、原铁道部运输局视频业务主管领导田裳指出，技术(算法)、设备与环境是人脸辨认应用三个缺一不可的环节。

算法的三大进步

在迈向这个时代前，人脸辨认在算法上已经取得了三大进步。

近日，生物辨认产业技术创新联盟和轨道交通视频与平安联盟在科学院自动化所联合召开了2018人脸辨认技术与行业应用研讨会。

据生物辨认产业技术创新战略联盟副理事长、清华大学教授苏光大介绍，目前基于最佳二维人脸理论的单人单张人脸辨认算法已经趋于成熟，基于单人多张人脸辨认的算法却方兴未艾。在应用深度学习的人脸辨认技术上已经实现了一大进步。香港中文大学采用深度学习方法在lfw(labeledfacesinthewild)人脸库上的辨认率达到了99.15%。

第二个进步则是单张人脸图像的三维人脸重建，对成都视频监控下的动态辨认贡献尤其大。因为人脸形状特征点提取技术的提高，使得三维人脸辨认技术有了很大进步。此前，有的动态人脸辨认系统对于获取的人脸图像要求是左右角度不超过15度，两眼间距大于30像素，但是大部分成都视频监控的人脸分辨率低于30像素，安保系统辨认困难。第三个进步则是对这些超低分辨率人脸图像的重建与辨认技术取得了一定进展。

在2018年美国国家尺度技术局会举办的权威人脸辨认技术供应商测评(frvt)中，对平均人脸分辨率为67像素的visa出入境申请照测试集进行测试，2万库的首选辨认率排名最高的前三家公司是日本电气(nec)、法国赛峰和日本东芝，辨认率分别为98.3%、93.9%和91.8%。

苏光大认为，这已经是国际最先进水平，但是在国内某千万级的辨识系统招标中，要求首选辨认率要达到95%就很难实现。“在2万库中最先进的水平是如此，在千万级的水平上，辨认率只会线性下降，再加上我国身份证有效期限比较长，容貌在此期间改变较大，怎么能达到95%？这不是逼着厂商去做假？过高的要求在现阶段是不切实际的。”他强调。

苏光大认为，当前人脸辨认技术面临的主要挑战在于：大姿态角(大于30度)、超低分辨率(人脸分辨率小于30像素)、大年龄跨度(5年以上)和深度学习人脸辨认的广泛应用上。