世界上没有两张完全一样的面孔，就像世界上没有两片完全相同的叶子一样，基于或多或少的差异性，人类才能在庞大的人类群体中分辨彼此。人脸识别将这一能力赋予计算机，利用其强大的存储和运算能力，并依托大数据和人工智能算法，在计算机“大脑”中存储多人的影像资料特征，根据差异性来辨别眼前的人是“张三”还是“李四”，是兴奋还是疲倦……

鉴于技术的日趋成熟，现阶段的人脸识别技术已经在具体场景落地尝试，如会议人脸签到、人脸识别智能门禁、安防监控人脸识别报警功能，还有最接近大众群体的智能手机人脸解锁功能……人脸识别的应用覆盖了安防、门禁、金融、园区等多领域下的各类不同场景，备受大众和资本的追捧。但在人脸识别技术高歌猛进的背后，还存在一些潜在的隐患理应被重视。

不均衡的产业链

现阶段的人脸识别技术在整个人工智能技术范畴内是占比较重、发展较快的一大领域。根据前瞻产业研究院发布的《人脸识别行业市场前瞻与投资战略规划分析报告》数据显示，2016年，全球人脸识别行业市场规模约为26.53亿美元，其中我国人脸识别行业市场规模约为17.25亿元，占到全球人脸识别行业市场规模的10%左右。根据表层数据显示，我国在这一行业领域的发展势头是较为强劲的，但深挖我国人脸识别产业链，会发现，市场上的企业多集中于下游，即具体的场景应用，而少有企业在中上游发力，这是很危险的。

上游基础层主要包括人工智能芯片、算法技术和数据集。首先，在人工智能芯片的研发上，国内企业略显乏力，缺少像英伟达以及AMD Vision这样的公司，最主要的原因在于国内芯片制造行业起步较晚，而人工智能芯片的设计又要求将算法、计算能力、大规模数据等内容全部整合到一起。面对这样的难度，需要在技术层面进行长期探索，才有望追赶上国际芯片巨头，而这需要足够的耐心以及庞大的资本支持，中小企业没有足够的资本支持，即便有心也是无力，大企业则需要足够的魄力承担背后的风险，亦是艰难。

在算法领域，国内领先的人工智能企业，如商汤科技、BAT都在研究并构建人工神经网络，在深度神经网络、卷积神经网络、循环神经网络的不断搭建、优化过程中，构建更强大的深度学习算法。这些算法的研究成果对于企业而言属于商业机密，秘不外宣是最符合商业竞争法则的方式。但美国的谷歌、Facebook、微软都推出了深度学习算法开源平台，将自己研发的算法技术进行开源，降低了很多企业在人工智能基础技术研发上的投入。与之对比，国内只有百度的PaddlePaddle一个深度学习算法开源平台，在研发力、竞争力上自然会稍逊一筹。

相较之下，在真实数据以及模拟数据的收集上，国内行业巨头与国际人脸识别行业巨头的差距倒不是十分明显。但从整体来看，在人脸识别的产业链上游，国内企业与国际巨头的差距还是十分明显的。

中游是由视频人脸识别、图片人脸识别和数据库对比检验等技术层构成，大体包括人脸检测、活体检测、人脸识别、视频对象提取与分析等技术。虽然处于中游的企业占比不大，但远优于产业链的上游现状。商汤科技、旷视科技、海康威视等一批企业在人脸识别的具体技术层面相继发力，已经取得了较为不俗的成绩。

下游则是国内人脸识别企业最集中的区域，这也取决于国内拥有庞大且复杂的应用场景的支持。如远超各国的移动支付技术和市场给了“刷脸支付”难得的尝试机会；高度集中式的住宅小区对智能安防提出了更高的要求……广泛且复杂的场景领域，让下游得以容下诸多企业。

产业链的不均衡，是目前国内人脸识别行业面临的最大问题，没有基础技术的长足发展，就犹如无根之萍、无源之水，终究不是行业发展的长久之策。

可能存在的缺陷

人脸识别最主要的目的在于身份认证。例如智能手机采用的人脸解锁，其目的在于确认使用者是否是被认可的手机用户；人脸识别智能门禁的目的在于只允许有权限的人进入特定区域……这就要求人脸识别的精度必须保持在一个极高的水准，且不能被技术手段所欺骗。但以现阶段的实际应用效果来看，还不能完全避免错误的发生。

首先在精度方面。关键点定位技术是快速识别一个人的核心技术，用于定位的关键点越多，识别的精准度就越高。以商汤科技为例，采用眼、口、鼻轮廓等人脸21、106、240三个不同数量级的定位点，可支持不同场景的需求，并能够适应大角度侧脸、大表情变化、遮挡、模糊、明暗变化等各种实际环境。但能达到利用240个定位点的研发企业并不多，且现实环境的复杂性会令部分定位点失效，其精度难免受到影响。

在智能手机人脸解锁等简单或主动需求的场景下，现阶段人脸识别的精度已足够完成相应任务，因为用户可选择去除遮挡物，避免干扰，弱光条件下智能手机可以提供屏幕补光功能。而在交通及安防领域，对精度的考验则大大提升，在侧脸、遮挡、模糊、明暗变化等各种复杂环境下，有效的定位点就会大幅缩减，精度自然随之下降。如何让有效定位点更好发挥作用，精度达到更高，是人脸识别企业要深究的问题。

其次在于活体检测技术。指纹识别可以通过指纹模型等手段骗过机器，人脸识别则会受到照片、视频等手段的欺骗，人脸识别不仅要保证人脸的正确性，同时要保证这张脸是不是活体的人脸，因此有了活体检测技术。静态活体检测可以通过检测人脸微表情得出结果，动态活体检测会让用户根据随机给出的指令做出动作，大大降低了人脸“伪造”的可能性，但如果用硅胶、乳胶、3D打印做的立体面具来攻击系统，并不能完全排除识别失误可能性。

再者，市场上多数采用的2D识别技术缺陷明显。人脸是以3D立体的形式存在，2D并不能展现人脸的全貌，且容易受到姿态、光照、表情等因素影响，识别率较差。不过，目前部分人脸识别企业已经开始转向利用3D识别技术，利用三维人脸立体建模方法，最大程度保留人脸有效信息，实现更精准识别。

此外，还有人专门研究了可以破坏人脸识别率的产品。就在今年，多伦多大学教授Parham Aarabi和他的研究生Avishek Bose还开发了一种算法，通过对图像进行“光转换”，能够动态地破坏人脸识别系统，将识别成功率降至 0.5%。

这些缺陷和破坏对人脸识别技术的应用而言，是极具威胁的。如何令人脸识别技术不畏惧这些威胁，是国内企业发展的重要方向。

去除隐患，保证行业的健康发展

在2018世界人工智能大会开幕当天，国家主席习近平致信祝贺大会的召开，并指出：“新一代人工智能正在全球范围内蓬勃兴起，为经济社会发展注入了新动能，正在深刻改变人们的生产生活方式。”而人脸识别技术作为人工智能的一部分，也在改变人们的生产生活方式。但我们理应认清现实，正确认知人脸识别技术存在的缺陷，不盲目乐观。

同时，针对目前所暴露的隐患，众企业需要逐个消除，优化人脸识别行业产业链，打好行业基础，并努力提升识别精度，降低活体检测失误率，整体由2D识别技术向3D识别技术迈进，适应各类复杂环境、复杂场景，在保障国内人脸识别行业高速发展的同时，做到不“生病”、不“畸形”，保持健康的姿态。