探索四维人脸识别技术及应用场景

毕招岭

（公安部第三研究所，上海 201204）BI Zhao-ling(The Third Research Institute of the Ministry of Public Security,Shanghai201204,China)

1 人脸识别技术原理

人脸识别技术属于生物特征识别技术之一，通常也叫人像识别、面部识别等。通过摄像机或摄像头采集含有人脸的图像或视频流，运用计算机与生物传感器等高科技手段结合，从人像中提取个性化的生物特征，从提取到的生物特征与数据库里的特征比对，当比对达到一定的阈值即可确认比对结果。

图1 人脸识别流程

2 人脸识别技术应用现状

人脸识别技术,已经有几十年的技术积累，技术发展已经相对成熟，特别是近年来，借助人工智能、深度学习等技术的发展，人脸识别技术更是取得了长足进步，并且在金融、安防、教育、医疗、交通等领域广泛应用。无论是开设银行账户、手机解锁、网络支付，还是打开小区门禁和自家房门，都有采用“刷脸”方式。目前人脸识别技术已发展成计算机视觉中最重要的领域之一。

3 人脸识别存在的安全风险

随着技术的发展，越来越多的移动设备配有人脸识别功能，人脸识别解锁、人脸识别支付成为应用最广泛的场景。2017年以美国苹果公司为代表的多家手机厂商推出具备人脸识别解锁功能的手机，同年9月份阿里巴巴旗下蚂蚁金服宣布在杭州KFC推出“刷脸支付”服务。相对于输入密码的解锁、支付模式，刷脸方式确实更加便捷。

虽然人脸识别技术给我们的生活带来很多便捷，但是，由于人脸存在易伪装、相似度高、被动识别等缺点，导致脸识别技术相对于传统的密码、指纹等安全措施，风险相对较高。

3.1 容貌容易被伪装

随着3D打印技术的发展，人脸3D模型和人皮面具的产生将对人脸识别技术造成极大的挑战。2016年，美国北卡罗来纳大学的技术团队依靠照片进行技术处理之后，建成了人脸3D模型，然后利用这个模型去测试人类识别系统。测试的结果让人惊骇：80%的人类3D模型骗过了系统的检测。也就是说，一旦犯罪分子使用高仿人脸3D模型，或者电影中常出现的人皮面具，那么，很可能将轻松地骗过现在的人脸识别系统。

3.2 相似度不断提高

整容技术不断提高，人造美女越来越多，以至于出现撞脸情况。每一张脸都有两只眼睛，一个鼻子，一张嘴巴组成，不同个体之间的区别本身就不大，整容水平又不断提高，更降低了个体的差异性，提高了群体的相似性，给人脸识别技术带来挑战的同时也增加了人脸识别解锁、支付等应用的安全风险[1]。

3.3 容易被动识别

人脸识别过程可谓简单快捷，只需通过前移动或便携设备便可获取人脸图像或视频，完成人脸识别过程。正是这样简单便捷，使人脸识别解锁、人脸识别支付容易在非主观意愿的情况下发生，比如在睡觉、昏迷、醉酒或不知情等情况下，被动完成解锁或支付过程，使用人脸识别解锁或支付，无疑告诉所有人我的密码就写在我的脸上。

4 当前主流的人脸识别技术

4.1 苹果三维成像的图像识别技术

苹果的Face ID是基于三维成像的图像识别技术，它需要特定的主动光照射系统以及专用摄像头进行配合，通过采集得来的数据建立一个头像三维建模，该模型将存储在手机之中，此后每一次的面部识别都会与之比较，重合度达到一定的程度后将发出识别正确的信号，从而完成人脸识别的整个过程。

4.2 华为3D人脸识别技术

华为3D人脸识别技术采用3D结构光的原理，华为Mate 20 Pro在录制人脸数据时，前置的散斑投射器，会将30000个不可见的小光点，投射到人脸的各个特征结构上，以获得面部深度信息；同时，红外补光灯开启，获得人脸的特征信息。系统再通过红外相机拍摄和分析这些信息，从而获得精准的人脸数据。

4.3 支付宝人脸识别技术

支付宝人脸识别技术与苹果和华为的人脸识别技术不同，苹果和华为更依赖于硬件传感器，而支付宝是运行在多种设备上的，所以，支付宝更依赖于算法。支付宝人脸识别技术各个环节全部基于深度卷积神经网络技术（DCNN），它集计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理分析建立数学模型，即人脸特征模板。利用已建成的人脸特征模板与被测者的人的面像进行特征分析，根据分析的结果判断是否同一个人。

5 人脸识别技术的发展建议

当前主流技术虽然在一定程度上提高了人脸识别的准确性，但是对人脸的易伪装、相似度高、被动识别等缺点并没有很好地解决。人脸识别存在的弊端及安全隐患，无法满足日益丰富的应用场景。各种人脸识别技术不断丰富，并且准确度不断提升，显然目前人脸识别技术的难点不再是如何识别人脸，而是如何读懂人脸的表情信息[2]。人脸表情在人与人沟通中必不可少，并且传递着丰富的信息，用表情表达喜怒哀乐，用眼神、撅嘴、吐舌头等方式传递信息。使人脸识别技术读懂人脸表情，可以通过表情信息组合加密，就像密码一样，明知道是0～9的数字，但是却不知道密码。表情信息同样如此，或是眨眼睛或是吐舌头或是微笑，或是表情组合等。

5.1 通过四维人脸识别读懂人脸表情信息

四维人脸识别与三维人脸识别及活体检测的不同之处在于：四维人脸识别是对人脸表情发生变化的整个过程进行识别，而三维人脸识别是对静态的人脸特征进行识别，活体检测是根据提示信息，做相应的动作，通过眨眼、张嘴、摇头、点头等组合动作，验证用户是否为真实活体本人操作。因此，四维人脸识别关键在于人脸的持续形变和面部不同区域的肌肉运动上，而非静态的人脸特征。人的面部有额肌皱眉肌、降眉间肌、鼻孔压缩肌、门齿肌等42块肌肉，表情变化会调动不同的肌肉变化，而肌肉变化激烈程度、次序、速度也不尽相同，所形成的纹理也不尽相同。基于动态图像的特征提取方法主，对人脸的持续形变和面部不同区域的肌肉运动进行特征和规律提取，然后根据提取的表情信息进行表情比对以及表情分类。

5.2 通过表情信息避免传统人脸识别技术弊端

表情信息识别，是人机交互的一个过程，改变了人脸识别的被动性，可以有效避免在睡觉、昏迷、醉酒或不知情等情况下发生解锁或支付过程。表情识别可大幅提高对伪装人脸相似人脸的辨识度，在表情识别过程中人的面部肌肉会随之发生变化，即便是伪装的脸或相似的脸，在表情发生变化的时候，面部肌肉运动规律以及所形成的纹理也会不同，所以可以提升对伪装脸或相似脸的辨识度。表情识别用当前流行的一句话说就是“确认过眼神，遇见了对的人”。

6 结语

人脸识别技术已取得了巨大成就，随着科技的发展，人脸识别技术在某些领域确实发挥了不小的作用，但是，由于实际应用场景不断丰富，传统的人脸识别技术在解锁、支付等应用中仍然存在一定的风险。所以，人脸识别技术仍需要提供更丰富的解决方案，使人脸识别技术得以更广泛的应用。