迅维网

标题: 谈到人脸识别技术，有哪些常见的误区？ [打印本页]

作者: 13633808 时间: 2018-3-24 10:06
标题: 谈到人脸识别技术，有哪些常见的误区？
本题已收录至ZHIHU圆桌：人工智能 · 机器感知，更多「人工智能」相关话题欢迎关注讨论

作者: darny 时间: 2018-3-24 10:06
抛砖引玉，谈谈身边人聊天常提到的几大误区：

人脸识别的“准确率”越高越好？
人脸识别火了，虹膜、指纹识别就淘汰了？
人脸识别没用，画个妆整个容就识别不了？

一、人脸识别的“准确率”越高越好？
人脸识别技术其实没有“准确率”的概念。当前所有的生物识别技术如指纹识别、虹膜识别都有两个指标，一个是认假率FAR（false accept rate），一个是拒真率FRR（false rejection rate）。
认假率是指人脸比对通过了但其实并不是本人，把“假的”认成了“真的”；同理，拒真率是指本人亲自上阵但是比对失败了，把“真的”当成了“假的”，把你当成了骗子。只有基于认假率、拒真率两个指标才可以判断某个人脸识别算法水平的高低。
通常，人脸识别算法一般会设定一个阈值T作为评判通过与否的标准，该阈值一般是用分数或者百分比来衡量。当人脸比对的相似度值大于此阈值时，则比对通过，否则比对失败。而阈值的设定一般是根据人脸识别的ROC曲线（Receiver Operating Curve）进行设定。

ROC曲线（Receiver Operating Curve）指受试者工作特征曲线，反映敏感性和特异性连续变量的综合指标，用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，曲线下面积越大，诊断准确性越高。在ROC曲线上，最靠近坐标图左上方的点为敏感性和特异性均较高的临界值。

二、人脸识别技术火了，虹膜、指纹识别技术就被淘汰了？
人脸识别技术诚然有自己的优点：

非接触性（不用肢体接触）
非强制性（路过即可，甚至无察觉）
可并发性（可同时进行多个人脸的分拣、判断及识别）

但人脸识别技术也有自己的无法规避的缺点：

人类脸部存在相似性，很难做到精准识别。
光线、化妆、整容等仍然会影响人脸整体识别结果。
人脸存在易变性，表情、年龄、角度等使人脸的外形很不稳定。

所以目前的情况是，人脸识别技术将在相当长的一段时间内与多种生物识别技术一起使用（指纹、虹膜识别），取长补短。

三、人脸识别技术没什么用，画个妆整个容就识别不了？

”人脸识别“技术诚然存在无法绕过的坑，但不能就此全盘否定其价值，在实际的应用中可以结合客户需求，根据应用场景寻求合适的阈值。设定的阈值越高，认假率越低，拒真率越高，一般会通过人脸比对的相似度得到roc曲线，找到拒真率和认假率的交叉点即为最理想的阈值。

比如券商在线开户验证的场景中，我们可以把人脸比对的阈值调高，这样虽然会导致”拒真率“上升，甚至本人也可能多次被拒。但在测试环境中，仍然可以节省大约超过50%的工作量，这就节约了大量时间和人力成本。企业只需将剩下50%部分的工作量交给人工客服来完成。
以上，欢迎讨论，想到再补充。

作者: keajoo 时间: 2018-3-24 10:06
有一个问题我被无数人问过，每次都很尴尬，不知道怎么回答。
“你们是通过多少个点识别人脸的？某公司的算法说它们通过126个点，另外一个公司他们说通过180个点”。
现在的算法会通过若干关键点做alignment，然后抽个特征。我们真的不是靠多少个点的位置来识别的。
====================================
“亲，你的四白穴和我一个朋友很像”。

作者: xiexueqiao 时间: 2018-3-24 10:06
很多非业内人士都以为搞人脸识别算法的工程师和科学家是在“教计算机识别人脸”。
实际上我们干的活是“教计算机如何自己学习识别人脸”。
类似的，AlphaGo的设计者也不是在“教计算机下围棋”，而是在“教计算机如何自学下围棋”。（这点和国际象棋不同，深蓝的设计者的的确确就是在“教计算机下国际象棋”。）
——所以AI在很多领域超越了人类，并不仅仅因为计算机在速度方面的优势，而是因为我们教它的是“自学”的方法，然后它通过自学，达到了比设计者更高的水平。

作者: nshukwrd 时间: 2018-3-24 10:06
谢 @天行健邀～(￣▽￣～)~

人脸识别是个大坑

举个栗子，那些在公开数据集刷到99.xx%其实很脆弱的，拿下眼镜就不认识我了，把刘海撸到后面弄个骚气的油头也认不出来了。。。（当然可以增加各种样本来缓解这种问题，但是这种解决问题的方式总感觉不够优雅，有点哪疼医哪的感觉）

光识别还不行，活体检测也很重要，这个也是个大坑。。。

说到底，现在的弱人工智能还比较弱鸡，离强人工智能还远着。。。

好像有点答非所问，算了，就这样吧T_T

作者: 闲不住a 时间: 2018-3-24 10:06
个人认为计算机视觉虽然被炒的火热，其实是个大坑，而人脸识别则是坑中之王。

指纹识别出来很久了吧，按理说每个人的指纹都是唯一且单一的，识别准确度理论上可以达到100%吧，可是你见过哪个场景关键的系统用指纹识别吗？为什么用不了？容易被人假冒啊！人脸识别也一样，面对的问题不是我整了容系统认不出我怎么办，而是我可以整容成马云爸爸就可以利用马云爸爸的身份了啊。所以你说做个facebook、snapchat、Tinder一样的App用点儿人脸识别当娱乐可以，你说在支付宝里用人脸识别登录那我认为就是纯扯了，（蚂蚁金服貌似正在干这个事情，还有什么空付，简直是扯中之王，最近又公布了个如影计划，马云我看你继续扯，一般做的出来的黑科技项目大家巴不得都是藏的越深越好，等产品定型再公布于世，只有你这个马大忽悠的公司是小视频小广告走在产品的前列）。

计算机视觉技术只有在完全受控的环境和条件下（包括光照，有足够的识别对象的训练样本等等）才能保证一定的准确性，如此还达不到100%的准确性。人脸识别作为计算机视觉的一个门类完全受此限制。在这种情况下我认为企业用人脸识别做门禁系统是可行的，因为只需要一名保安人员的人工监督就可以防范试图愚弄人脸识别系统的行为。而用于金融领域是有很大风险的，包括刷脸支付、刷脸登录支付宝等等，这时候没有人的干涉，人们可以做任何愚弄系统的尝试。

总体而言，不看好一切和人脸识别相关的创业和企业项目。在国际领域基本看不到和人脸识别相关的项目和产品，在这条路上国内是走在了世界前列而且看样子还要继续走下去。如果非要给人脸识别技术找个应用场景的话，推荐是在受控的环境下，比如你要识别的人是已知的，而不是天安门广场上的小偷，也不要把你的摄像头按在光线变化大的地方，比如天安门广场，另外有多少人工就有多少智能，所以最好给你的系统辅以人的监督。

再次，人工智能现在被资本炒的火热，因为O2O、共享的那拨热潮已经过去了，资本需要新的方向，但很多投资也可能会像很多AR/VR项目一样打了水漂。其实人工智能还是许多年前的那个人工智能，只是因为GPU等硬件的升级，辅以并行计算的发展，神经网络变成了深度学习而已。计算机就是用于计算的机器，人工智能就像英文原词里的artificial（ adj. 人造的，人工的 | 人为的 | 〔行为〕虚假的，不真挚的，矫揉造作的〔含贬义〕）一样，就是artificial的。计算机想要有我们期待的真正的智能，得等生物学上有关于人脑运作的重大突破才行。

作者: everloses 时间: 2018-3-24 10:06
一个是分不清检测和识别，另一个是理解不了保持识别精度的难度随着人脸库中脸个数增大而递增。

还有客户会说，能不能利用我的老监控，覆盖范围越大越好，最好识别30m开外的人脸。您这人脸说大了也就30乘30，臣妾实在做不到呀

作者: aHNtCqDM 时间: 2018-3-24 10:06
不要再听这个公司那个创业团队人脸算法如何如何，分分钟我让他的算法打他自己的脸

作者: 印度大拿 时间: 2018-3-24 10:06
很多答主太低估技术的进步了，现在的人脸识别是什么水平，自己去各种无人店去试一下就知道了，主流的刷脸系统，完成正常的人脸识别不会超过一秒钟，根本不会出现什么摘个眼镜、梳个刘海、化个妆就认不出来的现象。
不说别的，就我司的刷脸门禁，也比想象中的强大多了，员工鱼贯而过，根本没有迟滞停留，比刷卡快多了，有视频有真相。如果推而广之，上班、出行、购物真是少了很多麻烦。大家可以去苏宁的无人店BIU去体验下，一样的技术。

https://www.zhihu.com/video/942067642555650048

作者: eIxgQwRa 时间: 2018-3-24 10:06
人脸识别非常简单，就是一拍一比，（用下开源算法妥妥的）。

但实质上人脸识别涉及到很多流程，典型的入门简单，做好难，以下是一些简化的环节，在算法上还有更多细分环节。

人脸捕获与跟踪功能
人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。

人脸识别比对
人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。

人脸的建模与检索
可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板（人脸特征文件）保存到数据库中。在进行人脸搜索时（搜索式），将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。

活体检测
系统可以识别得出摄像头前的人是一个真正的人还是一幅照片。以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的配合动作。

图像质量检测
图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片进行图像质量评估，并给出相应的建议值来辅助识别。

作者: darny 时间: 2018-3-24 10:06
Hello，大家好，我是BAT八卦小编，逛到了这个题目，小编也想发表一下看法。

1、别人会用我的视频刷脸支付吗？
A：哪有这么容易！在2017年315晚会曝光了这个事情之后，百度深度学习实验室林元庆就在百度公司利用人脸识别门闸机进行亲身验证，结果显示，通过手机录一段视频，一个照片是过不去的，只有真人可以快速通过。

（图片来自 www.ysslc.com ）

2、化妆、美瞳没有影响？
A：化妆有一些影响，但是淡妆还是OK的，至于美瞳，确实会有一些影响。

3、角度、表情、光线会非常影响识别的准确率？
据百度微信文章《如果刷脸就能支付，那整容算不算改密码》里面提到的，在百度的算法里，+-45度都能比较好的定位和识别，但是超过45度识别难度就提高很多，表情会有一定的影响，但不是特别大，光线也一样。

4、人脸识别技术只是检测眼耳口鼻吗？
人脸关键点定位是指在人脸检测基础上，定位出人脸局部器官的详细位置，即标记出眉毛、眼睛、鼻子、嘴巴，甚至轮廓的具体位置。人脸关键点定位准确性对人脸识别、人脸跟踪、人脸属性分析、人脸3D建模等应用都至关重要。

（图片Via Facebook&#x27;s facial recognition software is now as accurate as the human brain, but what now?）

我是BAT八卦小编，想了解各种互联网资讯，欢迎撩我~关注我，开撩~~~

作者: TejUKCJa 时间: 2018-3-24 10:06
其实。。。。好多人化了妆之后。。。别说机器了。。我也认不出来。。。

作者: jeff963 时间: 2018-3-24 10:06
1.误以为人脸识别很牛逼了，很成熟了，学术界人脸相关的论文这么多，应该基本该解决的问题都解决了吧。nonono。学术界做的人脸识别都只是秀个demo而已，根本不能用在实际场景中。随便甩个年龄相差好几岁的1:1的锅，可能某些lab的demo就接不住了。学术界做人脸仅仅是提供你一个很好的应用到其他领域思路而已，真正实际中解决特定问题，data driven才是王道，自动去学习到样本的variance。远比学术界方法来的有效。
2.误以为能够在十几万人下面搜索就是实用了。nonono。能够在十几万人下面1:n，但是准确率低的吓人。能够做到1:n的高准确率的公司就那么屈指可数几家。
3.误以为人脸识别很简单，naive。nonono。各种trick，各种multi-patch，各种metric learning，各种collect data，各种场景，各种data augmentation，各种各种。
4.误以为监控摄像头可以抓拍到你的隐私，误以为利用摄像头人脸识别抓拍到犯罪分子很牛逼。nonono。人家拿个小的犯罪分子的数据库，去做rank-n的搜索，很多都可以做好。而且运气成分很大。
5. 还有很多慢慢补充。

人脸识别任重道远，砥砺前行。

作者: lillian0630 时间: 2018-3-24 10:06
认为人脸检测和识别是一件事，认为很成熟，认为随便什么设备都可以运行，而且都是实时结果。

作者: yPfiXGyC 时间: 2018-3-24 10:06
人脸识别和人脸认证已经逐渐渗透到日常生活中。
5月份，支付宝官方就已经公开证实可以“刷脸支付”了。随后，部分肯德基店铺已经支持“微笑支付”了。而在金融领域，招商，建设，农业银行的ATM已经支持“刷脸取款”。在校园内，北京师范大学一栋女生宿舍上线了“人脸识别系统”。
脸，已经有了机器识别属性的功能。作为人工智能领域的一个分类，人脸识别技术正在以强大惊人的学习能力和算法赋予人独一无二属性特征。
人脸识别是生物识别中的一类；人，作为一个生物体，拥有难以想象的丰富特征，而基于海量数据和学习能力，机器的识别能力也越来越精确。

人脸识别主要分为两种：
一：1:1人脸验证，将人脸图像与数据库中存储图像进行比对；
二：N:1比对，在N张图片中搜索最符合条件的那一幅图片。难点在于，个人随着时间变化，容颜将会发生变化。目前来说，唯一解决的方法便是更新数据库。前段时间iphoneX上市，有人调侃如果卸妆后或者在复杂环境下苹果机是否还能正常使用。

在国内，人工智能行业被炒作的越来越火，以BAT为代表的互联网企业纷纷砸重金在人脸识别技术上。
比如，百度内部使用人脸匝机，与首都机场合作，未来将实现刷脸登机；阿里巴巴集团中，阿里妈妈采用人脸识别算法排查部分商家违反冒用明星图像代言争取流量的做法。腾讯下辖的金融业务—财付通采用人像识别技术保证交易安全；

人脸识别技术体验好，耗时短的优点，还在刑事侦查方面有不可小觑的作用，比如公众安全领域的防爆治安作用。

不过，关于如何保护用户隐私的话题不得不提上日程进行讨论了。从人脸识别技术面世以来，便有人提出质疑。
人性是可怕的，定会有人通过仿真面具以及照片进行欺骗。
人脸识别技术技术点在于人脸检测，关键点定位和活体识别，跟踪。而在未来，识别的将不仅仅是人脸，甚至你的性取向都能通过机器推演出来。
所以在不久的将来，人的秘密和隐私均能被机器看透。而涉及人类隐私的数据存储在机器中如何做到绝对的安全呢？

作者: 快乐.每一天 时间: 2018-3-24 10:06
我做的识别项目用在室外
=================
摘下眼镜不认了？
眼镜反日光不认了？
眼镜反月光不认了？
我只是带了个美瞳
我烫发了
头发挡眉毛了
今天阴天
今天烈日当空
你是谁，你怎么进来的？？？

请那些99.9999%的平台帮我把上面的问题解决了吧

作者: 传奇私服cdegeq 时间: 2018-3-24 10:06
为什么这个人这么明显都没识别出来，另一个人那么模糊都识别出来了？

作者: ovhmhmk 时间: 2018-3-24 10:06
伴随着刷脸登录、刷脸开户成为现实，人们一方面开始接受人脸识别带来的便利，另一方面也或多或少容易产生恐惧心理。在登录场景、支付场景中，人脸识别系统遭受仿真面具或照片视频攻击的可能性确实存在，但抵御攻击的技术水平也在不断提升，应当清楚地认识到人脸识别大规模普及是大势所趋。
本期，我们来盘点下人们对人脸识别常见的认知误区。
1、一张照片或者一段视频真能蒙骗过关？
人脸识别技术点在于人脸检测、关键点定位和活体识别、跟踪，主要是通过人脸图像特征的提取与对比来进行的。人脸识别系统将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值T，当相似度超过这一阈值，则把匹配得到的结果输出。将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。

整个过程大致如下：检测人脸 → 活体检测（点头、张嘴等动作） → 人脸对比（和之前上传的自拍照或证件照）→ 分析对比结果 → 返回结果（通过或不通过）。
目前人脸识别常见的攻击手段包括了纸片翻拍、屏幕翻拍、用户戴面具等。如今的活体检测技术逐渐加上了景深识别，使得人脸识别技术能够对付照片、视频伪装的外在攻击，对需要识别的人脸进行景深3D人脸辨识，以有效抵御蒙骗分子。
不仅如此，最新的人脸识别技术已经可以识别合成的视频、图像与自然视频、图像的差异，随着算法技术的日益精进，将变得愈发安全。
2、人脸算法的“准确率”越高越好吗？
上文提到，人脸识别算法一般会设定一个阈值T作为评判通过与否的标准。人脸相似度大于阙值时，显示匹配成功，否则失败。一般来说，阈值越高，误识率越低，但通过率也越低，会提示验证失败。阈值的设定一般是根据人脸识别的ROC曲线（Receiver Operating Curve）进行设定。
| 注：ROC曲线（Receiver Operating Curve）指受试者工作特征曲线，反映敏感性和特异性连续变量的综合指标，用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，曲线下面积越大，诊断准确性越高。在ROC曲线上，最靠近坐标图左上方的点为敏感性和特异性均较高的临界值。

设定的阈值越高，认假率越低，拒真率越高，一般会通过人脸比对的相似度得到roc曲线，找到拒真率和认假率的交叉点即为最理想的阈值。
由此可见，人脸算法的准确率并非越高越好，完全可以依据场景方的需要，吻合特定场合来设定。
3、画妆整容能够识别吗？
人脸识别系统提取眉毛、眼睛、鼻子、嘴、脸颊等部位的轮廓近百个关键点信息，将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。只要不改变面部特征，人脸识别是没有问题的。
在人看来长得差不多的人脸，在机器看来却有很多特征是不同的。即使是长得非常相似的双胞胎，人脸识别都可以提取出细微的差别。目前极端情况下也存在双胞胎人脸识别分辩难度大的情况，但是网红脸对于人脸识别来说完全不是问题。
所以，无论用户是化妆或是卸妆，人脸的关键点位就在那里。但是，细节改变较大的整容，会显著改变面部特征，这种情况下人脸识别则可能面临着一定的难度挑战。
4、金融场景下的刷脸技术到底安不安全？
应用在金融场景中的人脸识别，并不是简单的人脸算法＋SDK。
与其他领域不同，金融场景因其特性使得它并不具备高的试错容忍率，使得误差率要控制在十万分之一甚至百万分之一以下才有商用价值。因此，需要建立多维度的身份认证体系才能为用户提供最彻底、全方位的解决方案。
以平安银行现钞机刷脸取款为例，技术层面，客户办理刷脸取款时，先输入手机或身份证号码，然后通过双目摄像头对客户人脸图像进行抓拍，同时结合红外活体检测技术、生物识别技术系统迅速启用平安科技人脸识别技术验证客户身份。此外，为了确保取款人身份的真实性，平安科技自研发深度学习活体识别算法，在刷脸取款系统中能够抵御照片、换脸视频、翻拍、面具的“攻击”，有效防止盗用、冒用他人证件进行交易。

因此，人脸识别配合移动互联网建立的双重验证机制，一重是密码认证（用户拥有设备认证），一重是身份认证，已成为坚实的安全堡垒。
再比如，在南非首家数字银行——DiscoveryBank上，平安科技为其提供“人脸识别＋声纹识别＋OCR电子签名”的多维度防护手段，并将所有这些手段进行交叉融合，全方位保障各场景金融安全。
由此可见，现在的金融场景下采用的是多重安全认证机制，以此来确保用户资金、账户的安全。
5、现阶段人脸识别普及的首要受益点是什么？
2017年，平安科技人脸识别开始服务于深圳市研究生考试、广东省高考术科统考以及众多民生政务项目。以机器识别替代原有人工审核方式，可显著降低人工压力，提升准确率。

未来，广泛的应用场景，在商场、无人超市、旅游景点、机场等诸多地点，通过手机端APP或小程序发送请求后，在封闭式的短时间核查场景下，考虑行业实际情况，再加一道人脸识别请求，免去原来的人工检票、人工核查，将极大程度地提高工作效率。
方便快捷、节省时间，成为人们对人脸识别技术普遍的认同，刷脸也逐渐在我们的生活中成为常态。
当然，需要引起警惕的是，有些开发者在调用第三方的人脸识别服务时，没有严格按照一个安全的规范来做，接入流程不够严谨，甚至经常出现为了提高用户体验而舍弃安全性的做法，亟待需要建立健全的行业规范。
http://weixin.qq.com/r/Gi4AGB7EjUPyrVp793sI (二维码自动识别)

作者: any941 时间: 2018-3-24 10:06
人脸识别很准，很快，但是不可能代替密码
我就放出话了，二维人脸识别会被欺诈集打的妈妈都不认识
二维人脸识别用来刷支付宝是愚蠢的行为之一
欺诈方法多了去了，几张二维人脸照片生成一张三维点云，你笑你动你眨眼，都可以过
二维人脸会被宣告死亡，三维人脸才是未来（笑

作者: 13633808 时间: 2018-3-24 10:06
万一化妆之后发现识别不出来那该多尴尬。。。

作者: nestnall 时间: 2018-3-24 10:06
哈哈，这篇文章说的真好，我们目前就在反复调整阙值，原来理论也是有基础的！

欢迎光临迅维网 (https://www.chinafix.com/)