keywords： 合肥監(jiān)控系統(tǒng)   小區(qū)監(jiān)控安裝    安防監(jiān)控   弱電安裝    合肥弱電公司    攝像頭監(jiān)控   視頻監(jiān)控系統(tǒng)    安裝監(jiān)控   系統(tǒng)集成商     幼兒園監(jiān)控安裝     合肥監(jiān)控攝像頭  

      開創(chuàng)了生物識別技術落地應用先河的指紋識別技術剛登場時風頭無限，數(shù)不清的企業(yè)入局、拓展應用，做到后來，慢慢發(fā)現(xiàn)，好像指紋識別技術再怎么擴展也就只能做個驗證模塊，適用面廣不假，市場需求量大不假，但是總在這一畝三分地里玩兒，好像不怎么盡興。而后被提出的指靜脈識別、掌紋識別技術，安全性是更高了，作為驗證模塊也更讓人放心，但冥冥中有個聲音越來越大：生物識別技術不該只是為了驗證而存在��！

      再到后來，“接觸式”和“非接觸式”生物識別技術的概念被人熟知，指紋、指靜脈、掌紋被歸類為“接觸式”，而人臉、虹膜、步態(tài)等被歸類到了“非接觸式”里。從那時起，人們就在探討兩類生物識別技術的異同與應用場景的差異。

     近年來，隨著前端設備超高清化的普及，“非接觸式”生物識別技術正在逐步落地。其中，人臉識別技術被寄予了更多厚望。

      狹義上的“刷臉”，廣義上的“人臉識別”

     說起人臉識別，可能大部分人想到的會是刷臉開門禁、刷臉支付、刷臉解鎖手機，也可能有一部分人體驗過刷臉進火車站、登機的高科技，如果還有人知道刷臉取錢、刷臉當電子身份證，那已經(jīng)是了不起的“消息通”了。然而，這些就是人臉識別的全貌嗎？當然不是，這些只是狹義上的“刷臉”。

     本文一開篇就提到了“可能再也沒有一項生物識別技術如人臉識別被大規(guī)模應用時這樣備受關注了�！比绻�說的只是“刷臉”的話，那它和其他生物識別技術沒太大區(qū)別：不都是驗證嗎？但要是說到人臉識別，那就不一樣了。

       與大數(shù)據(jù)的結合，使人臉識別技術有了更廣泛的應用。以公安應用為例，公安部門在查辦案、處理事務時常常會遇到一些不明身份的人員，比如走丟的老人、小孩，拒不交代身份的嫌疑犯，無人認領的尸體等。這時傳統(tǒng)的方法往往不能解決問題。利用人臉檢索系統(tǒng)，將目標人臉輸入到系統(tǒng)中。系統(tǒng)自動在海量人口數(shù)據(jù)庫中進行查找比對，列出前若干名相似的人員信息。然后再通過人工干預的方式，對系統(tǒng)結果進行篩選，得到目標的真實身份。

      在這一個應用的背后，是人臉識別技術日益成熟的標志，作為自帶AI落地基因的安防行業(yè)（數(shù)據(jù)大、高試錯容忍度），這幾年，天網(wǎng)工程廣泛鋪開、智能系統(tǒng)全局應用，城市秩序得到了更為高效的管理和防護，民生需求得到了更為及時的處理和反饋，違反亂紀的行為能被精準識別和處罰。

      與此同時，人臉識別應用也在受著非議

      6月21日，《華爾街日報》發(fā)表的一則文章認為，盡管亞馬遜CEO貝索斯表示，將抵制試圖從該公司所生產設備中獲取個人信息的政府調查人員，但該公司卻在向私企和執(zhí)法機構等推銷人臉識別技術，許多人認為，這一技術的使用將威脅到個人隱私。

      在他們看來，將人臉識別技術應用到前端視頻監(jiān)控攝像機上，可能會打破隱私及實用性之間的平衡。假設美國警方有若干臺這樣的安防攝像機，同時擁有可疑人員的“黑名單”照片庫，那么其他任何人如果與這些可疑人員有一些相像，一旦進入警察的安防攝像機的鏡頭之內，都有可能受到警務人員的盤問。而大多數(shù)美國人不希望生活在那樣的世界里。

       前段時間，一個人臉識別揭示罪犯長相的研究也引起了軒然大波。上海交通大學的研究人員收集了1856個18-55歲的中國公民照片，不同種族、性別、年齡甚至是不同的面部表情，其中選取的730人均是已定罪的罪犯，隨后利用人工智能技術對犯罪進行研究，并終得出結論：

     犯人上唇的彎曲度會比普通人平均高出23%；

     犯人雙眼內眼角之間的距離比普通人窄6%；

     犯人的鼻尖與嘴角之間形成的角度比普通人小20%。

     計算機通過4種算法對這些公民面部特征進行分析，推斷出罪犯的共同面部特征。論文結論：人工智能根據(jù)長相找出罪犯的準確性高達89.51%。

     這一高科技研究一經(jīng)披露，立即遭到網(wǎng)友的指責，認為如果這項技術應用于現(xiàn)實世界，很有可能讓好人蒙受不白之冤，而讓真正的壞人逍遙法外。

     如果說前面兩件事是隱私上的問題，那么下面這件就是技術上的問題了。

     近有文章指出如今非常熱門的AI應用人臉識別，針對不同種族的準確率差異巨大。其中，針對黑人女性的錯誤率高達21%-35%，而針對白人男性的錯誤率則低于1%。

     對此，有相關產品廠商回應稱，深膚色人種識別錯誤率高是普遍現(xiàn)象，一是深色人種數(shù)據(jù)集的缺乏，二是深色人種人臉特征較難提取。

    反人臉識別產品問世

    近日，多倫多大學教授ParhamAarabi和他的研究生AvishekBose開發(fā)了一種算法，通過對圖像進行“光轉換”，可以動態(tài)地破壞人臉識別系統(tǒng)。

     這位大學教授也是基于隱私問題，給出了發(fā)明該產品的原因，“隨著人臉識別技術越來越先進，個人隱私成為了一個真正急需解決的問題，這就是反人 臉識別系統(tǒng)被研發(fā)的原因，也是該系統(tǒng)的用武之地。”

     根據(jù)Aarabi的說法，他們主要采用了對抗訓練（adversarialtraining）技術，使得兩個神經(jīng)網(wǎng)絡相互對抗，一個神經(jīng)網(wǎng)絡從數(shù)據(jù)中獲取信息（人臉數(shù)據(jù)），另一個神經(jīng)網(wǎng)絡試圖去破壞第一個神經(jīng)網(wǎng)絡執(zhí)行的任務。

     據(jù)悉，他們的算法是在包含不同種族，不同光照條件和背景環(huán)境下的超過600張人臉照片的數(shù)據(jù)集上進行訓練的（業(yè)界標準庫），兩個神經(jīng)網(wǎng)絡相互對抗會發(fā)形成一個實時的“過濾器”，它可以應用到任何圖片上。因為它的目標——圖像中的單個像素是特定的，改變一些特定像素，肉眼是幾乎無法察覺的。比如說檢測網(wǎng)絡正在尋找眼角，干擾算法就會調整眼角，使得眼角的像素不那么顯眼。算法在照片中造成了非常微小的干擾，但對于檢測器來說，這些干擾足以欺騙系統(tǒng)。

     其實，破壞人臉識別產品識別率的產品并不少見。早在2016年，卡內基梅隆大學的研究人員就設計了一種眼鏡框，可以誤導面部識別系統(tǒng)，使其產生錯誤的識別。

     總結

     關于人臉識別的熱點，筆者粗略講了一遍，你要問我怎么看，我會說：陽光之下并無新事，大數(shù)據(jù)時代也沒有太多隱私，關鍵還得看企業(yè)的道德觀和政府的監(jiān)管。至于反人臉識別系統(tǒng)和人臉識別技術的斗法，筆者很高興看到這種事的發(fā)生。一矛一盾，互為博弈，才能查漏補缺、完善技術。