图为应用人脸识别技术的考勤机。经济日报记者 周明阳摄
今年3月，全球最知名的IT和通信产业盛会CeBIT——汉诺威消费电子、信息及通信博览会在德国拉开帷幕。开幕式上，马云向德国总理默克尔演示了Smile to Pay扫脸技术，利用“刷脸支付”为嘉宾购买了礼物。这使得人们对新的支付技术产生期待，也将人脸识别技术带入了公共视野。
比肉眼更精确的计算机识别
继指纹识别、语音识别之后，人类最近几年内在人工智能的另一领域——图像识别，尤其是人脸识别方面取得重大进展。人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，通过使用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行一系列技术处理，以达到识别不同人身份的目的。人脸识别目前的技术分成两大类：传统视觉方法和基于深度学习框架的方法，两者各有优势，互为补充。
天津科技大学计算机科学与信息工程学院常务副院长杨巨成教授是国际生物识别技术领域的专家，他告诉《经济日报》记者，传统的人脸识别技术主要是基于可见光图像实现的，已有30多年的研发历史，目前应用最为广泛。但可见光识别受光线条件的制约，在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。
在传统人脸识别技术下，对视频流进行识别时存在的制约因素更多。北京邮电大学模式识别与智能系统实验室青年教师团队长期从事此方向的研究工作，据团队成员介绍，在监控状态下，现有的设备存在诸多问题：摄像机清晰度不够，图像质量差；用于场景监控时视频中人脸过小；网络带宽不够等原因造成丢帧和丢脸问题……同时在拍摄过程中面临各种环境光源的考验，会出现侧光、顶光、背光和高光等现象，而且有可能出现各个时段的光照不同，甚至在监控区域内各个位置的光照都不同，给人脸识别造成了困难。此外，各种非正脸的姿态和佩戴帽子、黑框眼镜、口罩等饰物现象也影响着人脸识别的识别率。
杨巨成教授介绍，针对传统视觉方法，解决光照问题的方案有三维图像人脸识别和热成像人脸识别，其中热成像人脸识别需要使用特定的摄像头和摄像机捕捉人像，普及度不高。近年来，一种基于主动近红外图像的多光源人脸识别技术在识别性能上取得了突破，它是人脸识别技术的一项革命性创新，可以克服光线变化的影响，使人脸识别技术逐渐走向实用化。
基于深度学习框架的方法是人脸识别技术的另一发展方向。人脸识别所用到的深度学习算法是一套模拟人脑的神经网络算法，通过收集的海量人脸照片，新型的神经网络算法可以通过大数据训练将图片信息变成能够被机器理解分析的结构化数据。这项技术涉及极其复杂的技术细节，对计算平台的底层架构要求非常高，能够应对复杂的光照并支持多种人脸姿态，也得以将人脸识别的准确度提升到前所未有的高度。
基于深度学习框架的人脸识别技术在国际上有着公认的测评体系：人脸检测FDDB评测平台由美国著名的马萨诸塞大学计算机视觉实验室运营，其公布的评测集代表了人脸检测的世界最高水平。另一大测评体系是人脸识别LFW评测。LFW是国际权威的人脸识别数据库，也被公认为目前最接近实际数据的人脸识别库，是人脸识别领域使用最广泛的测试基准。实验表明，如果仅仅给出人脸中心区域，人的肉眼在LFW上的识别率为97.52%，而在2014年4月，香港中文大学教授汤晓鸥领导的计算机视觉研究组开发的一个基于高斯过程的人脸识别技术GaussianFace(高斯脸)取得了98.52%的识别率，计算机自动识别算法的识别率首次超过肉眼。在2014年下半年，汤晓鸥教授和其带领的研究组研发出DeepID2和DeepID2+，其中DeepID2+于11月17日推出，人脸识别精度经过LFW检测，高达99.4%。
在我国，有多家研究和开发人脸识别技术的企业诞生并推出产品和服务，已经达到世界领先水平。北京旷视科技有限公司旗下的Face++平台曾拿下FDDB检测的世界第一，并于2014年3月在LFW国际公开测试集中力压Facebook，达到当时世界最高的97.27%的准确率。今年，中国创业团队、人脸识别公司Linkface也在FDDB夺冠，并在LFW人脸识别数据库中实现了99.5%以上的准确率。