成都弱電公司訊：

從馬云在CeBIT大會上的「刷臉」支付到最近微軟推出的「how-old」，關于「面部辨認」技術的討論一直備受關注，但基于這項技術的具體應用和發展狀況的市場認知卻十分有限。事實上，隨著機器學習和深度神經網絡兩個領域的迅速發展以及智能設備的普及，「面部辨認」技術正在經歷前所未有的發展。

早在2009年，一家來自美國馬薩諸塞州的公司——Affectiva便已經開始了基于云端的面部辨認和情緒辨認解析服務的探索，并獲得了李嘉誠的投資；而在2010年末，Facebook也開始了面部辨認領域的布局，并于2018年以6，000萬美金的價格收購了著名面部辨認公司Face.com，其面部辨認項目組「DeepFace」更是宣稱正在研發的面部辨認技術的準確率已經接近人類水平；一直致力于人工智能領域探索的Google也沒有閑著，近幾年接連大手筆收購了Picassa、Pittoatt和Viewdle等多家人臉辨認公司；就在不久前的「Build2018」大會上，微軟也發布了可供用戶免費集成圖像及人臉辨認功能的ProjectOxford。

同樣，國內的互聯網巨頭和創業公司們也在分歧程度上針對「面部辨認」技術進行著相應的探索。阿里巴巴圍繞著「平安支付」同螞蟻金服和「Face++」合作研發的人臉辨認技術備受關注，騰訊「優圖」基于人臉辨認、圖像辨認和深度學習的技術也逐步應用于各產品線，而百度則在吳恩達博士的率領下將「面部辨認」作為百度深度學習研究室的重點研究項目。除此之外，國內還涌現了像「Face++」、「AngelEyes」和「一登」這樣的基于「面部辨認」技術的創業公司。

從「圖像辨認」到「人臉辨認」的應用場景變更

現階段「人臉辨認」技術的進步離不開早期「圖像辨認」技術的發展與應用。從搜索引擎相似圖片搜索到手機相機應用自動美顏，再到電商依據圖像辨認的相似商品搜索和二維碼掃描，「圖像辨認」技術的應用場景覆蓋了眾多領域。這一方面源于各領域海量數據的積累可以達到精準匹配與優化的程度，另一方面也是因為「圖像辨認」技術較于「人臉辨認」技術的更高可操作性。

的確，由于「人臉辨認」涉及到動態辨認、活體檢測和微表情辨認等維度，在可操作性和精準度等方面的表現暫不及「圖像辨認」，但它卻有著「圖像辨認」所替代不了的技術和場景優越性。首先，它能簡化認證和注冊的流程。假如您現在要開一個淘寶店或者注冊一個微信公眾賬號，您便需要手持身份證拍照以驗證您的身份。這固然是出于平安和信用方面的考慮，但「人臉辨認」技術卻能以「人臉」為獨立驗證ID簡化注冊與認證的流程。相同的例子還有「一登」為一些應用提供的「刷臉」注冊功能。

其次，在平安支付領域，成熟的「人臉辨認」技術顯然要比普通的字符、字串密碼來的更加快捷和平安。當用戶發生支付行為時，用「刷臉」這一簡樸的動作代替復雜的密碼輸入操作可以縮短用戶支付時間；而當用戶出現密碼被盜的情況時，不僅可以通過獨立人臉ID迅速找回，還能通過后臺保留的用戶人臉ID避免密碼被輕易修改。

同時，在娛樂領域，「人臉辨認」技術也有豐富的利用空間。之前由「落網電臺」推出的情緒辨認app——「emo」便是利用了由「一登」提供的技術進行刷臉注冊和情緒辨認音樂推薦；而在游戲領域，開發者也可以通過「人臉辨認」技術的應用來捕獲玩家的表情變化，從而優化游戲設計與關卡邏輯。

當然，關于「人臉辨認」技術還有很多的想象空間，一個真實且腦洞大開的故事是波士頓警方曾在Facebook「人臉辨認」技術的輔助下成功抓獲了一名涉嫌兒童性侵案的嫌犯。

br/>