從馬雲在 CeBIT 大會上的“刷臉”支付（fù）到最近（jìn）微軟推出（chū）的“how - old”，關於（yú）“麵部識別”技術的討論一直備受關注，但基於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（shì）實上，隨著（zhe）機器（qì）學習和深度神經網絡（luò）兩個領域的迅速發展以及（jí）智能設備的普（pǔ）及，“麵部識別”技術正（zhèng）在經曆前所未有的發展。

早在 2009 年，一（yī）家來自美國馬薩諸（zhū）塞州的公司—— Affectiva 便已經開始了基於雲端的麵部識別和情緒識別解（jiě）析服（fú）務的探（tàn）索，並獲得了李（lǐ）嘉誠（chéng）的投資;而在 2010 年末，Facebook 也開始了麵部識別領域的布局，並於 2012 年以 6,000 萬美金的價格（gé）收購了著名麵部識別公司 Face.com，其麵部（bù）識別項目（mù）組“DeepFace”更是宣稱正在研發的麵部識別技術的準確率（lǜ）已經接近人類水（shuǐ）平;一直致力（lì）於人工智能領域探索的（de） Google 也沒有閑著，近幾年接連大手（shǒu）筆收購了 Picassa、Pittoatt 和 Viewdle 等多（duō）家人臉識別公司;就在不久（jiǔ）前的“Build 2015”大會上，微軟也發布了（le）可供用戶免費集（jí）成圖像及人臉識別功能的 Project Oxford。

同樣，國內的互聯網巨頭和創業公司們也在（zài）不同程度（dù）上針對“麵部識別”技術進行（háng）著（zhe）相應的探索。阿裏巴巴圍繞著“安全支付”同螞蟻金服和 “Face++” 合作研發的人臉識別技術備受關注（zhù），騰訊“優圖”基於人臉識別、圖（tú）像識別和深度學習（xí）的技術也逐步應用於各產品線，而百度則在吳恩達博士的率領下將“麵（miàn）部識別”作為百度深度學習研究室的重（chóng）點研究（jiū）項目。除（chú）此之外，國內還湧現了像“Face++”、“Angel Eyes” 和（hé）“一登”這樣的基於“麵（miàn）部識別”技術的創業公司。

從“圖像識別”到“人臉識別（bié）”的應用場景變更

現階段“人臉識別”技術的進步（bù）離不（bú）開（kāi）早期“圖像（xiàng）識別（bié）”技術的發展（zhǎn）與應用。從搜索引擎相似圖（tú）片搜索到手機相機應用自動美顏，再到電商依據圖像（xiàng）識別的（de）相似商品搜索和二維碼掃描，“圖像識別”技（jì）術的應用場景覆蓋了眾多領域。這（zhè）一方麵源（yuán）於各領域海量數據（jù）的積累可以達到精準匹配與優化的程度，另一方麵也是（shì）因為“圖像識別（bié）”技術較於“人臉識別（bié）”技術的更高可操作性（xìng）。

的確，由於“人臉識別”涉及到動態識別、活體檢測和微表（biǎo）情識別等維度，在可操作性和精準度（dù）等方麵的表現暫不及“圖像（xiàng）識別”，但它卻有著“圖像識別”所替代不了的（de）技術和場景優越性。首先，它能簡化認證和注（zhù）冊（cè）的流程。如果你現在要開一個淘寶（bǎo）店或者注冊（cè）一個微信公眾賬（zhàng）號，你便需要手持身份證拍照以（yǐ）驗證你的身份。這固然是出於（yú）安（ān）全和信用方麵的考慮（lǜ），但“人臉識別（bié）”技術卻能（néng）以“人臉”為獨立驗證 ID 簡化注冊與認（rèn）證的流程。相同的例子（zǐ）還有“一登”為一些應用提供的“刷（shuā）臉”注冊功能（néng）。

其次，在安全支付領域，成熟的“人臉識別”技術顯（xiǎn）然（rán）要比普通的字符（fú）、字串密碼來的更加快捷和（hé）安全。當用戶發生支付行為時，用“刷臉”這一簡單的動作代替（tì）複雜的密碼（mǎ）輸入操作可以縮短用戶支付時間;而當用戶出現（xiàn）密碼被盜的情況時，不（bú）僅可以通過獨立人臉 ID 迅速找回，還能通過後台保留的用戶人臉 ID 避免（miǎn）密碼（mǎ）被輕易修改。

同時（shí），在娛樂領域，“人（rén）臉識（shí）別”技術也有豐富（fù）的利用空間。之前由（yóu）“落網電台”推出的情緒識別 app ——“emo”便是利用了由“一登”提供的技術（shù）進行刷臉注冊和情緒識（shí）別音樂推薦;而在遊（yóu）戲領域，開發者也可（kě）以通過“人臉識（shí）別”技術的應用（yòng）來捕獲玩家的表情變化，從而優化遊（yóu）戲（xì）設計與關卡邏輯（jí）。

當然，關於“人臉識別”技術（shù）還有很多（duō）的想象空間，一個真實且腦洞大開的故事是波（bō）士頓警方曾在 Facebook “人臉識別（bié）”技術的輔助下成功抓（zhuā）獲了一（yī）名涉嫌兒童性侵案的嫌犯。

聽上去很酷，但實現起來很難（nán）

的（de）確，“人臉識別”技術有著十（shí）分廣泛的應用（yòng）範圍和落地場景。但不可否認的是，過高的技術門檻和相（xiàng）關人才的缺失成為了其發展的最大短板。以國內為例，有（yǒu）關“人臉識別”的最核心技術和人才基本集中於（yú） BAT 這樣的（de）科技巨頭手（shǒu）中，而巨頭們出於自身生態和戰略的考慮都對相關技術進行著有限開放和相對封閉的上層領域開發;而技（jì）術能力相對（duì）較（jiào）弱的中（zhōng）小團隊隻能憑借（jiè）著不斷的摸索從小的領域（yù）尋找突破口。此外，由於關鍵（jiàn）技術的（de）封（fēng）閉，在現實應用領域，光線、角度等因素仍對識別結果有（yǒu）著一定的影響，識別結果的精（jīng）確度和安全性仍有很大的（de）提高空間。

其次，目前國內的“人臉識別”也缺乏統一的技術（shù）標準。雖然國內（nèi）團隊在（zài）類似 LFW 的國際標準（zhǔn）測試中（zhōng）的（de）精度不（bú）斷提升，基本上每家的 LFW 通過率都在 95% 以上，但（dàn）真實（shí）的場景要比 LFW 的測試（shì）複雜得多，行業對“人臉識別”技術的評判缺乏一（yī）個更為細致的可靠辨（biàn）識度（dù）。

與此（cǐ）同時，用戶數據信息渠道（dào）的封閉也使得用戶圖像信息與其他相關信息間的關聯缺乏有效（xiào）連接，各（gè）公（gōng）司和開發者依據自身（shēn）數據積累進行研發的（de）小閉環難以（yǐ）形成生態效應，這也加大了“人臉識別”技術（shù）準確（què）度在海量（liàng）數據研究基礎上的提升。

同樣，有關“人臉識別”所涉及的隱私（sī）問題也一直備受爭（zhēng）議。此前，Facebook 因為未經用戶（hù）允許而（ér）私自儲存和使用用戶的“人臉識別（bié）”數據而飽受詬病;而 Google 則（zé）因隱私政策和輿論壓力而禁止 Glass App 使用“人（rén）臉識別”功能（néng）。這是涉及到用戶個人信息安全的共性問（wèn）題（tí），一方麵需要（yào）企業合開發（fā）者們有過硬的技術實力來保（bǎo）證用戶數據安全，同時對（duì）用戶數據在征得同意的情況下進行合理使用;另一方麵也（yě）需要對相關用戶市（shì）場進（jìn）行針對性教育。

未來（lái），共（gòng）性合作大於個性爆發

任何行業和技術的發展都不會一蹴而就，一個健康生（shēng）態的形成也絕（jué）非一朝一（yī）夕。我們不可否認“人臉識別”技術的發展前景，但也不能忽視它在發（fā）展中所存在的（de）問（wèn）題。當然，這些問題也並非（fēi）哪一方就能（néng）解決的，需要整個行業各環（huán）節的共同努力。

對於“人臉識別”技術的開發團隊而言，除了在技術研（yán）發方麵的努力外還應拓展技術實現場景，實（shí）現有效數據積累。在用戶市場，除了上述的小眾（zhòng）娛樂領域，開發團隊們還可以進行安全解鎖和數據檢索方向（xiàng）的探索;而在企業市場，企業級身份認證和基於“人臉識別”的可穿戴設（shè）備（bèi）及智能家居植入也有很多的想象（xiàng）空間。畢竟，依托海量數據（jù）的技術研發才更具有應用的精準度和可靠性。

對於 BAT 這些生態（tài）級的巨頭而言，開放戰略不能僅僅紙上談兵。相關（guān）技術與數據的開放（fàng）帶動的是整個生態的繁榮，之如 Google 對 androids 的開源政策（cè），隻有大的行業生態不斷向前發展才能帶動小生態穩定繁榮。對中小開發團隊的開放與合作能夠給巨頭企業帶來更多的想象空間，從底層小眾應用到（dào）上（shàng）層生態構造，讓“人臉識（shí）別”技術（shù）可以形成“鏈條式”的（de）打通，推動（dòng）更多應用場景的產生，而不是各自閉門造車。

對於整個行業而言，無論是 BAT 還是（shì）中小開發團隊，建立一個行之有效的技術評判標準與隱私尊重政策是迫在眉（méi）睫的必要之舉。隻有在一個（gè）公正客觀的（de）行業環境下才能更好地教育市場和用戶。

關於“人臉識別”，可以預計的是一個不（bú）斷上升的發展空間和愈加豐富的應用場景，但要真正實現技術落地和生態打（dǎ）通還需要行業各環節的相互配合。