在国内，进入高铁站、在机场安检、入住酒店或上班签到时使用人脸识别系统是非常常见的。奇怪的是，最近国外媒体有“脸盲”的报道。近日有消息透露，英国大都会警察局部署的人脸识别系统准确率仅为2%。美国民权组织在使用亚马逊面部识别系统时，扫描了所有535名美国国会议员的面部照片，其中28人被认定为罪犯。这种错误引起了人们对警方使用该系统的怀疑和关切。

　　人脸识别是人工智能技术快速发展和广泛应用的一个领域。国内警察的人脸识别系统往往能准确识别逃犯。为什么外国警察的人脸识别准确率这么低?是评价标准不同，还是技术真的有差别?

　　隐私问题或对技术发展的限制

　　航天科技智能产业发展有限公司系统综合部专家何东昌在接受《科技日报》记者采访时解释了中外人脸识别效果的巨大差异。“有些国家认为人脸识别存在隐私问题，甚至对视频监控技术的应用有一定的限制。”比如在英国，人脸识别和跟踪技术引起了很大的争议，英国各界甚至发起了“请停止使用摄像头进行人脸识别”的抗议。类似的情况在美国也有发生，比如亚马逊利用云计算平台和人工智能技术帮助警方使用人脸识别技术，遭到美国公民自由联盟的抗议。

　　“人脸识别在中国的应用已经相当广泛，积累了相当多的实践经验。人脸图像采集、预处理和特征选择的工程优化也做得很好何东昌表示，除了国情，中国的人脸识别技术在国际上确实发展迅速。

　　由国家标准技术研究院组织的人脸识别算法测试FRVT 2018的结果显示，中国企业再次夺冠。这个测试以严谨、一致、全面著称。在测试中，我们的人脸识别算法在1/1000万的误报下达到了95.5%的识别准确率，成为了当时全球业界最好的水平。

　　清华大学媒体大数据认知计算研究中心主任王教授表示，目前人脸识别有3种应用模式:1∶1人脸识别、1∶N人脸识别、M∶N动态控制。

　　1: 1识别的本质是计算机快速将当前人脸与人像数据库进行比对，获得是否匹配的过程。“刷脸”登机、检票、付款都属于这一类;1∶N是在海量人像数据库中找出当前用户的人脸数据并进行匹配，即从N张人脸中找出一个目标;M∶N是通过计算机识别场景中所有人的人脸，并与人像数据库进行动态比较。可应用于黑名单监控、VIP客户管理系统、校园人脸识别系统等场景。

　　“英国警察局的情况不一定识别准确率低。可能是在特定环境下，采集的图片不理想，或者M: N人脸识别，为了达到更高的检测率和检测速度，在一定程度上牺牲了准确性。”何东昌说。

　　保护“刷脸”信息需要多管齐下的方法

　　在信息就是价值的时代，个人隐私信息的商业价值日益凸显。随着人脸识别技术的普及，对于是否会侵犯隐私、人脸是否可以造假等问题，存在着担忧和质疑。对此，何东昌认为，目前我国人脸识别正逐步从消费电子领域引入到安全、在线支付、金融等领域，但新技术具有“双刃剑”属性，应防范潜在的安全风险。

　　尤其是在“刷脸”的过程中，大量的用户姓名、性别、年龄、职业，甚至用户在不同情况下的情绪等信息被收集和存储。如果这些信息没有妥善保存和泄露，用户的个人隐私将处于“裸奔”状态。“所以，面对刷脸带来的个人隐私问题，一定要多角度保护。目前在人脸识别技术领域，国内还没有相应的安全监管机制，要提前规划，提前防范。”何东昌说。

　　微软总裁兼首席法律官布拉德·史密斯(brad smith)也在他的博客中表示:“考虑到滥用这项技术的可能性和广泛的社会影响，政府关于人脸识别的立法似乎尤为重要。”

　　“看好我们的脸”，公民要有更多的防范意识，企业要有更多的技术保障措施，监管要及时跟进。业内人士也建议政府从管理者的角度，通过立法加强在人脸识别领域的监管，确保公民个人信息安全;相关行业和企业应提高应用软件等载体和存储设备的安全技术水平，增强网络安全意识，避免泄露或非法转售公民隐私信息;不应收集非必要的私人数据。目前，人脸识别技术的发展空间仍然很大，国家需要加强数据共享和开放的指导，以促进技术的发展。另一方面，人脸识别技术正在逐渐成熟，并将得到越来越多的应用。尽快出台各种识别技术标准，特别是保护公民隐私的标准;相关行业和企业应承担社会责任，积极规范行业标准，自觉维护公民隐私数据采集和存储的安全。

　　目前，国内外人脸识别技术的发展速度正在加快，技术路径很多。何东昌说，主流的人脸识别技术基本上可以分为五类。

　　基于模板的匹配方法是将待处理的人脸图像与数据库中的所有模板直接匹配，选择匹配度最接近的模板图像作为待处理图像的分类。但是由于数据库中每个人的模板图片数量有限，不可能覆盖现实中所有复杂的情况。简单的模板匹配只使用相关信息，对背景、光照、表情等无关信息非常敏感。因此，该方法只适用于理想条件下的人脸识别，不适用于实际场景。

　　基于几何特征的方法，即人的面部有不同形状和大小的部分，如鼻子和嘴巴。通过比较这些部分的形状并检测它们之间的位置，可以实现人脸识别。与基于模板的匹配方法类似，形状和距离等信息不能表达图像中的姿态和表情等非线性因素，导致该方法的可靠性和有效性较低。

　　基于人工神经网络的方法直接使用图像像素作为神经网络的输入。通过模拟人脑神经元的工作机制，可以学习其他方法难以实现的隐藏人脸特征表示。而且神经网络具有非线性激活功能，使得网络具有一定的表达人脸图像中非线性因素和关系的能力。