從馬雲在 CeBIT 大會上（shàng）的“刷臉”支付到最近微軟推出的“how - old”，關於“麵部識（shí）別”技（jì）術的（de）討論一直備受關注，但基（jī）於這項技術的具體應用和發展狀況的市（shì）場認（rèn）知卻十分有限。事實上，隨著機器學習（xí）和深度（dù）神經網絡兩個領（lǐng）域的迅速發（fā）展以及智能設備的普及，“麵部識別”技術正在經曆前所未有的發（fā）展（zhǎn）。

早在 2009 年（nián），一家來自美國馬薩諸（zhū）塞州的公司—— Affectiva 便已經開始了基於雲端的麵部識別和（hé）情緒識別解析服務的探索，並獲得了李嘉誠的投資;而在 2010 年末（mò），Facebook 也開始了麵部識別領域的布局，並（bìng）於 2012 年以 6,000 萬美金的價格收購了著名麵（miàn）部識別公司 Face.com，其麵部識（shí）別項目組“DeepFace”更是宣稱正在研發的麵部識別技術的準確率已經接近（jìn）人（rén）類水平;一直致（zhì）力（lì）於人工智能領域探索的 Google 也（yě）沒有閑著，近幾年接連大手筆收購了 Picassa、Pittoatt 和 Viewdle 等多家人臉識別公司;就在不久前（qián）的“Build 2015”大會上，微軟也發布（bù）了可供用戶免費集成圖像及人臉識別功（gōng）能的 Project Oxford。

同樣，國內的互（hù）聯網巨頭和創業公（gōng）司（sī）們也在不同程度上針對“麵部（bù）識別”技術進行著相應的探索。阿裏巴巴圍繞著“安全支（zhī）付（fù）”同螞蟻金（jīn）服和 “Face++” 合作研發的人臉識別技術備受關注，騰訊“優圖”基於人臉識別、圖像識別和深度學習的技術也逐步應用（yòng）於各產品線，而百（bǎi）度則（zé）在（zài）吳恩達博士的率領下將（jiāng）“麵部識別”作為百度深度學習研究（jiū）室的重點研究項目。除此之外，國內還湧現了像“Face++”、“Angel Eyes” 和“一登”這樣的（de）基於“麵部識別”技術的創業公司。

從“圖像識別”到“人臉識別”的應用場景變（biàn）更

現階段“人臉識別”技術的進步離不開（kāi）早期“圖像識別”技術的發（fā）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（yán），再到電商依據圖像識別的相似商（shāng）品（pǐn）搜索和二（èr）維（wéi）碼掃描，“圖像識別”技（jì）術的應用場景覆蓋了眾多領域。這一（yī）方麵源於各領域海量數據的積累可以達到精（jīng）準匹配與優化的程度，另一方麵也是因（yīn）為“圖像識別”技術較於“人臉識別”技術的更高可操作性。

的確，由於“人臉識別”涉及到（dào）動態識別、活體檢測和微表情識別（bié）等維（wéi）度，在可操（cāo）作性和精準度等方麵（miàn）的表現暫（zàn）不及“圖像識別”，但它卻有著“圖像識（shí）別”所替（tì）代不了的技術和場景優越性（xìng）。首先，它能簡化認（rèn）證和注冊的流程。如果你現在要開一個淘寶店（diàn）或者注冊一個微信公眾賬號，你便（biàn）需（xū）要手持身份證拍照以驗證你的身份。這固然是（shì）出於（yú）安全和信用方麵的考慮，但“人臉識別”技術卻能以“人臉”為獨立驗證 ID 簡化注冊與認證的流程（chéng）。相同的例子還有“一登”為一些應用（yòng）提供的“刷臉”注冊功能。

其次，在安全支付領域，成熟的“人臉識別”技術顯然（rán）要比普通（tōng）的字符、字串密碼來的更加快（kuài）捷和安全。當用戶發生支（zhī）付行為時，用“刷（shuā）臉”這一簡單的（de）動作（zuò）代替複雜的（de）密碼輸入操作可以縮短用戶支付時間（jiān）;而（ér）當用戶出現密（mì）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）密碼被輕易修改。

同時，在娛樂領域，“人臉識別”技（jì）術也有豐富的利用（yòng）空間。之前由“落網電（diàn）台”推出的情緒識別 app ——“emo”便是利用了由“一登”提供的技術進行刷臉注冊和（hé）情緒識別（bié）音（yīn）樂（lè）推薦;而在遊戲領域，開發者也可以通過“人臉識別”技術（shù）的應用來捕獲玩家的表情變化，從而優化遊戲設計與關卡邏輯（jí）。

當然，關於“人臉識（shí）別”技術還有很多的想象空間，一（yī）個真實且腦洞大開的故事是波士頓警方曾在 Facebook “人臉識別”技術的輔助下成功抓獲了一名涉嫌兒童性侵案的（de）嫌犯。

聽上去很酷，但實現（xiàn）起來很難

的確，“人臉識別”技術有著十分廣泛的應用範圍和落地場景。但不可（kě）否認的是，過高的技術門檻和相關人才（cái）的缺失（shī）成為了其發展的最大（dà）短板。以國內為例，有關“人臉識別”的最核心技術和（hé）人（rén）才基本集中於 BAT 這樣的科技巨頭手中，而巨頭們出於自身生態和戰略（luè）的考慮都對相（xiàng）關技術進（jìn）行著有限（xiàn）開（kāi）放和相對封閉的上層領域開發;而技術能力相對較弱的中小團隊隻能憑借著（zhe）不斷的摸索從小的領域尋（xún）找突破口。此（cǐ）外，由於關鍵技術的封（fēng）閉，在現實應用領域，光線、角度等因（yīn）素仍對識別結果有著一定的影響，識別結果的精確度和安全性仍有很（hěn）大的提高空間。

其（qí）次，目前國內的“人臉識別”也（yě）缺乏統（tǒng）一的技術標準。雖然（rán）國內團隊在類似 LFW 的（de）國際標準測試中的精度不斷提升（shēng），基本上每家（jiā）的（de） LFW 通過率都在 95% 以上，但真實的場景（jǐng）要比 LFW 的測試複雜得多，行業對“人（rén）臉識別”技術的評（píng）判缺乏（fá）一個更為細致的可靠辨識度（dù）。

與此同時，用戶數據信息渠道（dào）的封閉也使（shǐ）得用戶圖像信息（xī）與其他相關信息間（jiān）的關聯缺乏有（yǒu）效連接，各公司和開發者依（yī）據（jù）自身數據積累進行研（yán）發（fā）的小閉環難以形成生態效應，這也加大（dà）了“人臉識別”技（jì）術準確度在海量數據研究（jiū）基礎上的（de）提（tí）升。

同樣，有關“人（rén）臉識別”所涉及的隱私問題也一直（zhí）備受爭議。此前，Facebook 因（yīn）為（wéi）未經用戶允許而私自儲存和使用用戶的“人臉識（shí）別”數據而飽受詬病;而 Google 則因隱私政策和輿論壓力（lì）而禁止 Glass App 使用“人臉（liǎn）識別”功能。這（zhè）是涉及到用戶個人信息安全的共性（xìng）問題，一方麵需要企業合開發者們有過硬的技術實力來保證用戶數據安全，同時對用戶數（shù）據在征（zhēng）得同意的（de）情（qíng）況下進行合理使用;另一方麵也需要對相（xiàng）關用（yòng）戶市場進行針對性教育。

未來（lái），共性合作大於個性爆發

任何行業和技術的（de）發展都不會一蹴而就，一個健康生態的形成也絕非一朝一夕（xī）。我們不可否認“人臉識別（bié）”技術的發展（zhǎn）前景，但也不能忽視它在發展（zhǎn）中（zhōng）所存在的問（wèn）題。當然，這些（xiē）問題（tí）也（yě）並非哪一方就（jiù）能（néng）解決的，需要整個行（háng）業各環節（jiē）的（de）共同努力。

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

對於 BAT 這些生態級的巨頭（tóu）而言，開放戰略不能僅僅紙上談兵。相關技術與數據的開放帶動的是整個生態的繁榮，之如 Google 對 androids 的開源政策，隻有大的行業生（shēng）態不斷（duàn）向前發展才能（néng）帶動小生態穩定繁（fán）榮。對中小開發團隊的開放與合（hé）作能夠給巨頭企業帶來更多的（de）想（xiǎng）象空間，從底層小眾應用到上層生態構造，讓“人（rén）臉識（shí）別”技術（shù）可以形成“鏈（liàn）條式”的打通，推動更多應（yīng）用場景的產生（shēng），而不是各自閉門造車。

對於整個行業而言（yán），無論是 BAT 還是中小開發團隊（duì），建立一個行之有（yǒu）效的技術評判標準與隱私尊（zūn）重政策是（shì）迫（pò）在眉睫的必要之（zhī）舉。隻有在一個公正客觀的行業環境下才能更好地教育市場和用戶。

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