很多人在出門之前，都會習慣性地檢查一下隨身的錢包、鑰匙，如果一時粗心大意，丟三落四，就可能面臨尷尬的情景。但在未來，你可能無需再為此擔心，消費支付可以“刷臉”，回家進門可以“刷臉”，原本科幻片電影中的人臉識別的場景正在變?yōu)楝F(xiàn)實。人臉信息可能在未來成為你最重要的一份密碼，然而這樣的未來究竟還有多久才能到來?

從研究到應用

人臉識別技術雖然近年來才受到關注，但其實相關的研究歷史卻比較悠久。最早進行人臉識別研究的并不是計算機領域的研究人員，而是生物學家和心理學家。早在19世紀的時候，英國生物學家、進化論的奠基人達爾文就對人臉的表情及結構特征做過研究。到19世紀末，達爾文的表弟，同樣也是英國著名心理學家和遺傳學家的弗朗西斯·高爾頓也在生物特征識別上做過非常深的研究。高爾頓在1888年和1910年就分別在《Nature》雜志發(fā)表了兩篇關于利用人臉進行身份識別的文章，對人類自身的人臉識別能力進行了分析。

達爾文與高爾頓在當時的研究還沒有涉及到自動人臉識別(Automatic face recognition，簡稱AFR)問題，最早關于AFR的研究論文是1965年陳(Chan)和布萊索(Bledsoe)在Panoramic Research Inc.發(fā)表的技術報告，距今也已有50年的歷史。經(jīng)過了半個世紀的發(fā)展，尤其是近十幾年來的研究，自動人臉識別技術已經(jīng)取得了長足的進步，也成為了生物特征識別領域甚至人工智能領域最重要的研究方向之一。

“傳統(tǒng)的AFR技術，在提取人臉特征時一般提取人為定義的人臉紋理特征，比如LBP、Gabor、SIFT，在國際標準人臉識別評估數(shù)據(jù)庫LFW(Labelled Faces in the Wild)上的識別率一般在80%-90%左右，而目前，世界上一流的人臉識別技術一定是采用了深度學習技術。”北京飛搜科技有限公司CTO白洪亮在接受記者采訪時介紹道。

白洪亮告訴記者，由于深度學習技術、卷積神經(jīng)網(wǎng)絡的引入，特別是GPU(圖像處理器)的發(fā)展使得卷積神經(jīng)網(wǎng)絡的算法得以實現(xiàn)，人們在提取人臉特征時不再提取人為定義的特征，而是采用卷積神經(jīng)網(wǎng)絡在大規(guī)模的人臉數(shù)據(jù)集中去學習出表述人臉的特征。采用這種機器學習出來的人臉特征，目前世界一流的人臉識別技術在LFW上的識別率一般在99%以上。

香港中文大學教授湯曉鷗此前在計算機視覺國際會議CVPR2014上發(fā)表論文，稱計算機算法識別人臉的準確率已經(jīng)達到99.15%，超過了人類肉眼識別的97.52%準確率。騰訊公司也向外界透露，其公司的研發(fā)團隊在全球最權威的人臉識別評測平臺FDDB上，達到了人臉識別LFW數(shù)據(jù)集準確率超過99.5%，對身份證照片識別準確率甚至超過了99.9%。

在評測實驗中，目前的人臉識別技術已經(jīng)取得了近乎滿分的成績單，但在實際應用中，人臉識別技術的表現(xiàn)又如何呢。