距马云在德国“刷脸购物”已四个月，支付宝还是没有向大众推出这一功能，这令跃跃欲试的技术控们颇感失望。
　　自去年末，各大互联网企业纷纷高调披露其人脸识别项目进展，百度识图、腾讯优图、阿里巴巴合作的FACE++等，带动起人工智能新一轮创投热潮。
　　2015年4月至5月间，川大智胜宣布投资1.76亿元开展人脸识别项目，佳都科技与关联方5000万元入股人脸识别企业，阿里巴巴合作者旷视科技获得4700万美元B轮融资……即便是只有几个人的创业公司，只要打出“人脸识别”概念，也容易受到投资者的青睐。
　　这项用于个人身份认证的技术，早在十年前，就渐渐渗入公众生活，然而，与互联网时代的不少新技术类似，人脸识别仍处于“做出来再说”的摸索阶段。在这“一窝蜂”的投入中，关于商业模式及发展方向，还没有什么结论。
　　人脸识别技术一出生就扎根于安防，现在浅尝金融支付，这意味着其需要接受的安全考验远超其他技术，而对于可能侵犯个人隐私的疑虑始终未绝。
　　随着人脸识别安全技术国家强制标准申报，其安全性若能保障，有望成为这一行业加速发展的契机。

定位点识别法

　　入境通关时，人们都会“被刷脸”，然后将数据图像转化为识别数据，与犯罪嫌疑人数据库进行比对，这样可以初步筛选出可疑对象，再结合其他相关线索的人工核查，在逃嫌疑人难免露出蛛丝马迹。
　　自2005年清华大学电子工程系研究成功一套大型人脸识别系统，被公安系统用于查找犯罪嫌疑人后，至2015年，各地公安部门应用人脸识别功能抓获逃犯颇为得心应手。
　　5月25日，上海公安局对“猎狐2015”专项行动进行总结时称，前五个月抓获的24名境外潜逃人员中，绝大多数都变换身份，其中包括更名换姓自称“失忆”的中国人，还有五次改换身份的“外籍人士”。他们中不少人曾多次回国探亲却未落网，最终在人脸识别技术成功应用后，被边检部门发现，报至公安系统落网。
　　“一个人可能通过整容改变面部特征，但一些重要特征很难改变，如双眼瞳孔之间的距离就是人脸识别中最稳定的特征。”一位侦查员在上述总结时称。
　　描述长相经常会用到国字脸、丹凤眼、吊梢眉、鹰钩鼻之类，人脸识别技术会把这些形态提取为一个个特征。在传统方法中对于这些特征的描述，比较简单的是将其标识为一个个定位点，由这些定位点组成人脸的主要轮廓和器官，一张脸上可以有上千个定位点。
　　曾风靡社交网络的“明星脸检测”，实质就是人脸识别技术的浅层应用。
　　在线测试网站上，上传照片与明星脸的对比过程中，会在人的瞳孔、鼻尖、嘴角打上标记，这些被标记的位置，往往就是用来比对人脸特征点。这些娱乐性的比对，对精准度要求不高，因而选择的是比对次数最少的五点定位法。
　　这些定位点不是以图的形式，而是转化为数据储存。最早于上世纪60年代末出现的人脸识别法，是通过人工标识出人脸上的各个特征后，交由机器对特征进行比对的几何法。
　　国内大规模应用该技术，始于2011年公安部户籍查重。当时，公安部要求各省市公安厅全部引用人脸识别系统，经该系统初筛后，再由人工确认。截至2013年，共发现和注销重复户籍79万。
　　在司法系统，人脸识别进一步延伸至监狱、看守所，这种智能化的管理系统可以确保工作人员、会见人员、探视人员，及其他外来人员在各自权限区域内活动，除了更方便、人性化外，还能有效避免“人治”带来的安全风险。

“深度学习”演进

　　人脸识别技术演进的速度很快。如果说基于二维图像识别是在地图上定位，那么人工智能的人脸识别，就是在运动的三维立体地球仪上定位。
　　定位点越多，越能精准验证一个人的身份。
　　除了五官、嘴角，还可加上人脸重要器官的边界数据，包括两侧眼角、鼻翼、嘴唇，甚至脸部轮廓、肌肉等位置都可加上定位点。麻烦是“定位点太多会牺牲效率”。上海晶软信息技术有限公司总经理罗正宽对《财经》记者说。
　　若仅仅用几何定位法，不但只能实现“半自动”，受比对数据的限制，错误率也会上升。因此，全球科学家们穷尽所想，发明了包括基于几何参数的，利用图像像素值建立模式等各种方法，却没有一个是完美无缺的。
　　一些方法对图像的质量要求较高，易受光线、环境等外部因素影响;一些则计算量较大影响效率，比如“特征脸法”、“神经网络法”识别率较高，但因计算量大，一般识别速度十分低下。
　　直到人工智能的“深度学习”概念带来了质变。这种深度学习系统，可能聚集了数百种算法，比如，第一层用某几种算法处理，第二层改用另几种算法。在各种计算中不断对自身进行优化，甚至细到每一张人脸，人工智能都会为其“度身定制”一套最适合的人脸识别算法。
　　“这种‘深度学习’不断迭代优化，且更新速度非常快，已经和传统的人脸识别完全不同，有的‘深度学习’只需提供照片，不用告诉计算机是人脸还是非人脸。” 上海洪剑智能科技有限公司总经理耿敢超告诉《财经》记者。
　　应用深度学习的人脸识别系统，早期需要把现实的图像抽象成一系列数据进行学习及了解人脸的特征，在构建了一套最基本的人工智能学习算法后，提供大量人脸及非人脸照片，包括同样的人脸在不同光线、表情、角度的照片，让计算机去适应辨别、学习。
　　计算能力变得更强大，奠定了人脸识别“深度学习”的基础，智能手机则让大量人脸图像数据库变得唾手可得，“深度学习”正在不断降低人脸识别对图像质量的要求，同时提升识别率。
　　2014年6月，香港大学的汤晓鸥团队，首次在“户外脸部检测数据库”（Labeled Faces in the Wild），将识别率提升至99%以上，这是一个比肉眼更加精准的数据。这个数据库目前被公认为全球最重要的互联网人脸识别数据库。
　　颅骨识别技术，则帮忙将这种改变深推了一把，其将二维、正脸的配合型，向自然环境下的人脸识别演进。“简单来说，有两个眼睛一张嘴就被认为是人脸，现在把嘴巴遮住，只有眼睛和额头，也能识别;或者只露出半张脸，都可以识别。因为人脸识别已经不再仅仅是对某些特定器官位置的定位”。耿敢超说。 　　这些变革带来的好处是，人工智能不但可以适应光线、场景变化对图像质量的影响，也能适应变胖变瘦、皮肤老化、整容化妆等带来的脸形和五官变化;甚至特征点之间的相对位置出现细微的改变，现在的人工智能也能验证识别。

“刷脸支付”前景

　　逐渐变得强大的人脸识别技术，已不甘心仅在安防领域深耕。马云在德国展示的“刷脸支付”，是这一技术可预期的前景。
　　早在2013年，芬兰一家企业就推出“刷脸支付系统”测试版，5秒即可完成付款行为。最新的消息则是，全球首台“刷脸ATM”在梓昆科技（中国）有限公司诞生，与一般的ATM相比，这台机器多了一个二代身份证的读取框，摄像头会将取款人图像与二代身份证信息进行比对，成功识别后才能取款。
　　在深圳、大连、南京等地，招商银行、民生银行、农业银行也纷纷推出“刷脸”服务，用于银行网点的银行卡开户。中国人民银行亦在地方试点推出了“刷脸”打印信用记录的个人征信查询机。
　　由于金融业对于安全性的严苛要求，远程的人脸识别银行开户操作，以及类似支付宝的“刷脸支付”应用，都还未获得相关政府部门的认可。
　　罗正宽将能够跟踪人脸的动态识别特征，视作人脸识别产品的主要“卖点”，因为其推广安全要求相对较低。“人脸识别考勤机”就是一个在商业上可以拿得出手的产品。这种考勤机比指纹识别类的产品更能有效地防止“作弊”，性价比也不错，较为灵敏的考勤机，在5米外就能成功识别人脸并完成身份认证，隐蔽性明显增强。
　　这样的人脸识别手段，被国内一家企业应用于会员认证系统。当会员进入镜头范围时，电脑屏幕会显示出该会员的信息，包括其消费偏好，比如，高尔夫球俱乐部是否需要为他准备球包，服务人员可提前准备，使会员基本处于零等待的状态。这样的一套系统3万-5万元，对于一些高端消费场所并不是很高的预算。
　　问题在于，一般企业并不像政府部门那样拥有二代身份证照片库，其通过互联网收集人脸数据的做法及其安全性，也存在争议。
　　《财经》记者调查发现，几乎所有曾就这一问题接受采访的企业均表示，在推出相关应用时征得使用者同意才会收集数据，且绝对不会将数据外泄。但还是有不少人担心，自己的人脸图像被别人获得后，身份被冒用。
　　清华大学电子工程系智能图文信息处理研究室副教授刘长松表示，用人脸识别进行身份认证，确有一定风险，“主要是一些有组织的犯罪，几乎可以突破现在所有的防御手段。一些所谓的活体检测技术也不完善且需要有专用设备”。他称，如果只是手机的话，是一点都不安全的，就现在的状况看，“刷脸时代”还相当遥远。
　　刘长松指出，人脸识别用于身份认证，必须达到一定的安全要求，“这可能也是要制定国家标准的原因”。
　　7月16日，公安部安全与警用电子产品质量检测中心软件部一位工作人员向《财经》记者确认，《信息安全技术网络人脸识别认证系统安全技术要求》国家强制标准已向全国信息安全标准化技术委员会申报。
　　本刊实习生范佳来对此文亦有贡献