人臉識别，通常也稱人像識别、面部識别，是基于人的臉部特征資訊進行身份識别的一種生物識别技術，主要用錄影機或攝像頭采集含有人臉的圖像或視訊流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術。
近年來，随着人工智能的發展以及國家經濟發展、安全防衛的需要，我國人臉識别市場不斷擴大，技術水準不斷提升，在算法方面已取得世界領先地位。伴随着人工智能的持續發展，智能化時代的悄然到來，以人臉識别為代表的生物識别技術越來越普及。從安防、支付、金融到教育、醫療和交通，"刷臉"日漸成為常态，為人們的生産與生活帶來了諸多智能、安全與便捷。
一、人臉識别技術發展背景
人臉識别，是基于人的臉部特征資訊進行身份識别的一種生物識别技術。除了安防、金融這兩大領域外，人臉識别還在交通、教育、醫療、警務、電子商務等諸多場景實作了廣泛應用，且呈現出顯著應用價值。為了進一步把握人臉識别技術所帶來的重大機遇，我國出台了一系列政策予以支撐。
2015年以來，我國相繼出台了《關于銀行業金融機構遠端開立人民币賬戶的指導意見(征求意見稿)》、《安全防範視訊監控人臉識别系統技術要求》、《資訊安全技術網絡人臉識别認證系統安全技術要求》等法律法規，為人臉識别技術的應用以及在金融、安防、醫療等領域的普及奠定了重要基礎。
2017年，人工智能首次被寫入全國政府報告;同年7月，國務院釋出了《新一代人工智能發展規劃》;12月，工信部出台了《促進新一代人工智能産業發展三年行動計劃(2018-2020年)》，其中對人臉識别有效檢出率、正确識别率的提升做出了明确要求。作為人工智能主要細分領域，人臉識别獲得的國家政策支援顯而易見。
2020年，《中國新一代人工智能發展報告2020》今天在浦江創新論壇釋出。報告對過去一年中國人工智能發展的總體情況進行了系統回顧。報告分全球發展、創新環境、科技研發、産業化應用、人才培養、區域發展、人工智能治理七個章節，力圖客觀反映中國《新一代人工智能發展規劃》的實施情況，揭示未來發展的新挑戰和新趨勢。
二、人臉識别技術發展曆程
人臉識别最初在20世紀60年代已經有研究人員開始研究，真正進入初級的應用階段是在90年代後期，發展至今其技術成熟度已經達到較高的程度。
1991年，特征臉(Eigenface)算法被應用在人臉識别，首次實作了自動檢測人臉。這項技術是霍普金斯大學的希洛維奇(Sirovich)提出，再由麻省理工學院(MIT)"連接配接科學"的創始主任亞力克斯彭特蘭(Alex Pentland)發揚光大，彭特蘭在2012年被《福布斯》評為"全球7個最強資料科學家之一"，獲此殊榮的還有谷歌創始人拉裡佩奇。
2000年以後，NIST研究院又在FERET項目基礎上做了延伸，先後發起兩個新項目FRVT和FRGC，FRVT是評估技術可用性，測試算法系統性能，為采購技術的相關部門提供檢測報告。FRGC則是面向市場上的公司和團隊，聯合其他部門的定制化需求，釋出競标比賽，FRVT負責對接評估，幫助不同部門完善人臉識别系統的個性化要求。
2010年，随着Facebook加入人臉識别功能，人臉識别開始走向個人。從支付到美顔，全球網際網路公司紛紛跟進，2017年蘋果iPhone X首次釋出人臉解鎖功能，搶購一空同時引爆了市場，如今人臉識别已經應用在了方方面面，短視訊、直播這些每天都會高頻出現在我們身邊。整個發展過程可以分為機械識别、半自動化識别、非接觸式識别及網際網路應用階段。
與其他生物識别方式相比，人臉識别優勢在于自然性、不被察覺性等特點。自然性即該識别方式同人類進行個體識别時所利用的生物特征相同。指紋識别、虹膜識别等均不具有自然性。不被察覺的特點使該識别方法不易使人抵觸，而指紋識别或虹膜識别需利用電子壓力傳感器或紅外線采集指紋、虹膜圖像，在采集過程中體驗感不佳。
目前人臉識别需要解決的難題是在不同場景、臉部遮擋等應用時如何保證識别率。此外，隐私性和安全性也是值得考慮的問題。人臉識别優勢明顯，未來将成為識别主導技術。
具體來說，相比指紋識别、虹膜識别等傳統的生物識别方式，優點主要還集中在四點：非接觸性、非侵擾性、硬體基礎完善和采集快捷便利，可拓展性好。在複雜環境下，人臉識别精度問題得到解決後，預計人臉識别有望快速替代指紋識别成為市場大規模應用的主流識别技術。
三、人臉識别技術研發現狀
人臉識别發展加快一方面來自于我國智能化社會建設的發展需求，另一方面來自于人臉識别技術的快速發展。尤其是近年來人工智能化的浪潮下，人臉識别行業受到了資本的青睐，為人臉識别技術的發展提供了重大機遇。根據SooPat資料顯示，近年來我國人臉識别行業相關專利申請數量不斷提高。
2018年，我國人臉識别行業專利申請量為3487項，較2017年略有提升，專利公開數量為5200項，同比增長93%。2019年1-2月，我國人臉識别專利公開量已經達到1174項，超過2014年全年水準。
四、我國人臉識别技術應用現狀分析
2014年是我國人臉識别技術的轉折點，使人臉識别技術從理論走向了應用，2018-2020年則是人臉識别技術全面應用的重要節點，"刷臉"時代正式到來。
目前，從我國人臉識别技術應用來看，主要集中在三大領域：考勤門禁、安防以及金融。
從具體應用來看，主要包含了公共安全領域的刑偵追逃、罪犯識别以及邊防安全等;資訊安全領域的政府職能領域的電子政務、戶籍管理、社會福利和保險;商業企業領域的電子商務、電子貨币和支付、考勤、市場營銷;場所進出領域的軍事機要部門、金融機構的門禁控制和進出管理等。
除了公共安全領域，人臉識别也更多的被用到了金融行業。當下刷臉辦卡、遠端貸款、自主開戶、刷臉支付已經開始在我們的生活中滲透。現在很多銀行已經把人臉識别系統引入到自主裝置中，在辦卡時可以利用人臉識别技術将現場采集的照片與已存照片、身份證照片進行比對，确認之後，才可以進行自主開卡、業務變更、密碼重置等業務，更加的安全高效。
同時在交通領域，行人闖紅燈也步入了“刷臉”時代。中國式過馬路曾經成為一時笑料，很多中國人在過馬路的時候，不看紅綠燈，湊夠一群人就走的情況還是沒能夠得到改善。一直以來這種闖紅燈的陋習很難被治理，但是人臉識别技術的發展讓我們看到了轉機。
現在已經有地區開始将人臉識别技術用于治理行人亂闖紅燈了，在行人闖紅燈時，自動識别抓拍系統會對闖紅燈的市民進行抓拍，并将資料上傳到大資料偵查實驗中心，核實真實身份，并實時在電子大屏上對違法人員進行曝光。
五、人臉識别未來發展趨勢
首先，人臉識别應用的最廣泛領域便是安防行業，不僅給整個安防行業注入了新的生命活力，也進一步開拓了新的發展市場。作為安防市場未來的發展方向的智能視訊分析，其中最重要的技術就是人臉識别。
其二，我國的三維測量技術近年來發展形勢較好，而現今3D人臉識别算法正對2D投影的缺陷做了補充，此外對于其中的傳統難點，包括人臉旋轉、遮擋、相似度等在内的都有了很好的應對，這也成為了人臉識别技術的另一個最為重要的發展路線之一。
其三，大資料深度學習進一步提升了人臉識别的精确度，這也為2D人臉識别的應用作了一定的突破，将其應用于網際網路金融行業當中，能夠快速普及金融級應用。
其四，人臉識别技術由于其便利性、安全性，可在智能家居中用作門禁系統以及鑒權系統，是以智能家居與人臉識别技術的融合是未來發展的重點方向。智能家居中的人臉識别系統是結合嵌入式作業系統和嵌入式硬體平台建立的，加強了人臉識别技術與智能家居應用的結合度，具有概念新、實用性強等特點。
其五，人臉識别技術是未來基于大資料領域的重要發展方向。現如今公安部門都引入了大資料，這也彌補了傳統技術的難點，通過人臉識别技術使得這些照片資料再度存儲利用，能夠大大提升公安資訊化的管理和統籌，這将成為未來人臉識别的主要發展趨勢。
原文連結：
https://ai.51cto.com/art/202011/632171.htm本文轉自51CTO，本文一切觀點和機器智能技術圈子無關。
線上免費體驗百種AI能力：【點此跳轉】