人工智能人脸识别并不是百分百安全，该如何扭转目前人脸识别被滥用的现状?

Posted 2023-05-11

人脸识别技术的滥用已经相当普遍。去年有媒体报道，部分客户带头盔看房是为了防止被精明的房地产开发商的隐藏人脸识别系统锁定，无法通过不同渠道获得更大的折扣。当时很多人都把这当成笑话。现在大家都知道了，不知不觉中，他们的脸已经被“偷”了，但是在315党的影响下，这个圈子里所有人都知道而看不到的“潜规则”被摆了出来。人脸识别一直被认为是一种基于生物特征的高安全性身份认证方法。而且由于在信息采集、分析判断过程中对用户的干扰相对较小，需要用户做特殊的动作或停顿，所以这种便利性受到青睐。正是因为这些特点，当刷脸变成“偷脸”的时候，让人觉得很吃力——因为用户的生物特征的唯一性和安全性，经常被作为身份认证的最高安全等级选项，所以这种生物特征被无限制的收集和滥用，背后的安全隐患是巨大的。为了扭转人脸识别的滥用，我们需要探索这种情况的原因。事实上，人脸识别技术的快速发展路径完全符合一种典型新技术早期发展的曲线。这一技术市场的起源可以追溯到2017年推出的苹果iPhone X，它将用户认证从触控ID指纹识别升级为Face ID人脸识别，也将这一应用于专业领域的传统技术带入了消费产品，经受住了市场的考验。从此，人脸识别市场的后来者蜂拥而至，与AI这一热门概念的结合，使其市场一路上扬。根据《2019年计算机视觉人脸识别市场研究报告》，中国计算机视觉人脸识别市场将从2018年的151.7亿元快速攀升至2021年的530亿元，年均复合增长率为53%。

参考技术A 想要扭转人脸识别被滥用的现状，首先应该出台使用人脸识别技术的使用规范和惩罚机制，从使用端发力整治滥用现象。 参考技术B 1、加强个人生物信息保护刻不容缓。 2、全面监管 生物信息应用平台“准入制度” 对App、“互联网+政务”及商业机构等各类平台采集生物信息行为实行立体式、全方位监测，打击过度采集生物信息，严惩非法滥用采集信息的行为；同时，要尝试建立符合我国国情的生物信息采集应用平台准入制度，严格审核应用平台的信息安全保护能力，通过审核才能赋予其开展相应技术活动的资格。 参考技术C 人工智能。原来识别并不是百分之百的安全感。和扭转目前人脸识别本来应该现状了，我觉得应该还是密码输入比较安全。 参考技术D 我觉得最有效的方式是出台规范，明确人脸识别可以应用的场所，只有这样才能够避免人脸识别被滥用。

技术分享：人脸识别究竟是如何完成的？

随着人工智能的高速发展，基于计算机视觉技术研究及应用也逐渐进入成熟阶段。其中，人脸识别是运用较多的一种技术，已经渗透到人类日常生活的方方面面。目前TSINGSEE青犀视频也正在积极研发人脸识别项目，将人脸识别技术融入到相关视频平台（如EasyCVR视频融合云服务），并投入到线下场景落地使用。

本文将和大家简单分享一下：人脸识别究竟是如何完成的？它的流程是什么？

一、人脸识别系统的组成

• 前端图像采集
  前端人脸图像采集系统通过抓拍采集人脸图像、实时视频流等，如视频监控摄像头、智能考勤机、智能门禁机等设备，都具备人脸采集抓拍的功能。

• 后端智能平台
  后端的智能平台可将前端采集的相关数据统一进行汇聚、处理、存储、应用、管理与共享，并结合人脸识别系统，实现人脸识别功能，并应用在现实场景中如：人脸识别考勤、人脸门禁、公安部的人脸追踪、抓捕嫌疑犯等等。

二、人脸识别技术的流程有哪些？

1、人脸检测

人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。
从照片中找出人脸的位置，以图片左上角为坐标原点，分别记录下人脸框左上角和右下角的坐标，并将人脸部分裁剪出来。

2、人脸对齐

在现实场景中，往往前端设备抓拍获得的人脸不一定是正脸的角度，所以需要将图像中的人脸姿态进行矫正。通过人脸关键点检测得到人脸的关键点坐标，根据人脸的关键点坐标调整人脸的角度，使人脸对齐。如图，这两个脸在计算机看来，是完全不同的两张脸，因此我们需要通过一些仿射变换将脸部进行对齐。

• 1）仿射变换
  仿射变换的功能是从二维坐标到二维坐标之间的线性变换，且保持二维图形的“平直性”和“平行性”（直线之间的相对位置关系保持不变，平行线经仿射变换后依然为平行线，且直线上点的位置顺序不会发生变化）。

• 2）对齐方法
  使用训练好的模型，自动地从检测出的人脸中标记出68个特征点（landmarks），然后在模板库中寻找一个标准模板，使用仿射变化，将这个68个点与模板的68个点对齐。

3、人脸编码（提取特征向量）

通过卷积神经网络训练一个模型，将送入的模型脸部图片自动编码成一个具有一个很强语义的128维向量。
训练方法：

• 输入一张已知身份的照片。
• 输入一张相同身份的照片。
• 输入一张不同身份的照片。
• 反复调整参数，使得步骤1和步骤2中的照片编码尽量接近，与步骤3中的编码尽量不同。

4、人脸分类

依次计算输入图像和数据库中每个图片的128位向量差值的欧氏距离，直到找到小于我们阈值的那张，到此，人脸识别成功。

5、实验结果

基于以上步骤，我们来检测下人脸识别系统最终的识别结果。

三、人脸识别技术的应用场景

人脸识别技术主要用于身份验证，常见的场景有小区、楼宇、校园、工厂、园区、银行等，如：智能门禁、人脸闸机、人脸考勤、智能门锁等。通过人脸识别验证身份，来保障相关场所的安全，也减少了人工审核的成本。

在安防监控中，人脸识别也意义重大，比如公众场所（地铁站、车站、街道、酒店等）的安防布控、公安部追捕嫌疑犯等。基于公众场所的安防监控摄像头，通过抓拍人脸并将结果上传公安部网络，与嫌疑犯人脸进行比对，协助公安人员的执法工作。

人脸识别技术是人工智能领域的关键技术，在智能视频监控系统具有十分广泛的应用前景。TSINGSEE青犀视频也将以AI智能检测与识别技术为核心，持续研发多场景下的智能业务系统及平台，向AI领域深耕。