在国内，进入高铁站、在机场过安检、入住宾馆或到单位签届时运用人脸辨认体系已是很遍及的事了。但奇怪的是，近来国外媒体时有人脸辨认体系患上“脸盲症”的报导。近来，英国大都会警察局被曝其布置的人脸辨认体系准确率仅到达2%。而美国民权安排在运用亚马逊面部辨认体系时，扫描一切535位美国国会议员的面部相片，结果其间28人竟被辨认成了罪犯。如此差错引起了人们的质疑，以及对警方运用该体系的担忧。
人脸辨认是AI技能开展较快、运用较多的一个范畴，国内警方的人脸辨认体系屡屡精准辨认逃犯，国外警方的人脸辨认准确率为何如此之低？究竟是点评标准不同，仍是技能上真有不同？
隐私担忧或约束技能开展
关于中外人脸辨认作用的巨大差异，航天科工才智产业开展有限公司体系总体部专家何东昌在承受科技日报记者采访时解说，首先是国外的国情问题。“有些国家以为，人脸辨认存在隐私问题，乃至对视频监控技能的运用都有必定约束。”例如在英国，面部辨认和追寻技能就曾引发巨大争议，英国各界乃至主张一项“请警方中止用摄像头进行面部辨认”的反对活动。类似状况在美国也有发生，如亚马逊公司运用云核算平台、人工智能技能帮助警方运用人脸辨认技能，美国公民自由联盟对此提出了反对。
“国内人脸辨认运用已适当广泛，并积累了适当多的实战经验，在人脸图画收集、预处理以及特征选取等方面的工程优化也做得很好。”何东昌说，除国情外，在国际上我国的人脸辨认技能的确开展比较快。
美国国家标准与技能研讨院安排的人脸辨认算法测验FRVT 2018结果显现，我国公司再度摘得桂冠。该测验以评测标准的严谨性、一致性和全面性著称。在测验中，我国的人脸辨认算法在千万分之一的误报下到达辨认准确率95.5%，成为其时全球业界在此项指标下的最好水平。
清华大学媒体大数据认知核算研讨中心主任王生进教授说，当时人脸辨认有三种运用形式：1∶1人脸辨认、1∶N人脸辨认、M∶N动态布控。
1∶1辨认的实质是核算机对当时人脸与人像数据库进行快速人脸比对，并得出是否匹配的进程，“刷脸”登机、验票、付出都属此类；1∶N是在海量的人像数据库中找出当时用户的人脸数据并进行匹配，即从N个人脸中找出1个方针；M∶N是经过核算机对场景内一切人进行面部辨认，并与人像数据库进行动态人脸比对，能运用于黑名单监控、VIP客户办理体系、校园人脸辨认体系等多种场景。
“英国警局呈现的状况，也未必是辨认准确率低。可能是在特定环境下，收集的图片不行抱负，或是M∶N的人脸辨认，为到达更高的检出率和检测速度，在必定程度上牺牲了准确度。”何东昌说。
保护“刷脸”信息需多管齐下
在信息即价值的年代，个人隐私信息的商业价值日益凸显。在人脸辨认技能火爆的同时，社会上呈现了是否会侵犯隐私，人脸是否能被“冒充”的担忧和质疑。对此，何东昌以为，现在国内，从消费电子范畴到安保、网络付出、金融等范畴都在逐步引入人脸辨认，但新技能有“双刃剑”特点，应防备其间潜藏的安全隐患。
特别是在“刷脸”进程中，用户的名字、性别、年纪、工作，乃至用户在不同情境状况下的心情等很多信息都被收集并贮存。这些信息如果得不到妥善保管而被走漏，用户个人隐私就处在“裸奔”状况。“因而，面临刷脸发生的个人隐私问题，咱们有必要多视点一起保护。现在在人脸辨认技能范畴，我国尚无相应的安全监管机制，应及早有备无患，预先防备。”何东昌说。
微软总裁兼首席法务官布拉德·史密斯也在其博文中表明：“考虑到这项技能被滥用的可能性和广泛的社会影响，政府在人脸辨认方面的立法好像显得尤为重要。”
“看好咱们的脸”，公民应多一些警戒与防备认识，企业多一些技能层面的保证办法，监管也须及时跟进。业内人士也主张，政府应从办理者视点，经过立法方式强化面部辨认范畴的监管力度，保证公民个人信息安全；相关职业、企业应提高运用软件等载体及贮存设备的安全技能水平，提高网络安全认识，防止公民隐私信息走漏或遭不合法转卖；非必要的隐私数据不该收集。当时，人脸辨认技能的开发仍有巨大拓宽空间，国家有必要在数据同享和开放上加大引导力度，促进技能开展。另一方面，人脸辨认技能在逐渐走向老练，运用将越来越多，辨认技能的各类标准，特别是保护公民隐私的标准应尽快出台；相关职业及企业需担负起社会职责，自动积极地标准职业标准，自觉保护收集、贮存的公民隐私数据安全等。
相关链接
人脸辨认技能知多少
现在，国内外人脸辨认技能开展速度加速，技能路径也比较多。何东昌介绍说，干流的人脸辨认技能基本上可归结为五类。
其间，根据模板匹配办法是将待处理的人脸图画直接与数据库中一切模板进行匹配，选取匹配最类似的模板图画作为待处理图画的分类。不过，因为数据库中每个人的模板图片数量有限，不可能包含实际中一切的复杂状况，简略的模板匹配只运用了相关信息，对背景、光照、表情等非相关信息十分灵敏。因而，该办法只适用于抱负条件下的人脸辨认，并不合适运用于实际场景。
根据几许特征的办法，即人的面部有形状和巨细都不相同的部件，如鼻子和嘴巴等。经过对这些部件形状的比照、部件间方位的检测，然后实现人脸辨认。与根据模板匹配办法类似，形状、间隔等信息并不能表达出图画中的姿态、表情等非线性要素，导致该办法的可靠性和有效性较低。
根据人工神经网络的办法直接运用图画像素点作为神经网络的输入，经过模仿人脑神经元工作机制，可学习到其他办法难以实现的隐性人脸特征表明。并且神经网络拥有非线性激活函数，使得网络对人脸图画中的非线性要素和联系有必定的表达能力。
根据稀少表明的人脸辨认办法中，稀少表明用的“字典”直接由练习所用的悉数图画构成，无需经字典学习。
最后一种是根据深度学习的人脸辨认办法。其核心内容是逐层练习的网络结构，每层运用的是自编码神经网络，自编码神经网络首要包含对数据编码和解码两部分内容。经过编码、解码实现对输入数据的无监督学习，辨识能力随数据增加逐步提高。
