“我们不在乎技术做得有多高大上、怎么炫、有噱头,只要在实战中能真正起到效果,通过算法、分析,解决实际问题,这就是我们最需要的”

《财经》记者 孙爱民/文 王小/编辑

2016年11月18日,湖北省武汉市一辆公交车上发生了一起打人事件,一名男乘客与司机发生口角、将后者打伤后跳窗逃跑。而后,武汉市民与当地警方开启了“全民追凶”模式。

第二天下午,正带着孩子在公园玩的潘飞,从微博上看到这一消息。潘飞是武汉市视频侦查支队三大队副队长,他得知微博上有现场视频的截图,随即让负责案件的派出所将视频发给他,然后他驱车赶到办公室向一名“警员”求助。此后不到20小时,潘飞就锁定了肇事者。

这位给力的“警员”,是一套人脸识别系统。该系统自5月28日“入驻”武汉市公安局,已经协助破案超过280起,通过比对锁定犯罪嫌疑人260多名。在潘飞看来,这套人脸识别系统已经成为整个武汉市公安局的一个新的破案方法,“效果简直让警员们感到震惊”。

较为精准地从视频、图像中确定人的身份,人脸识别系统已经做得比人更好、更快。人脸识别,是将人的脸部特征信息进行身份识别的一种生物识别技术,这也是计算机视觉、深度学习、大数据等技术提升后的产物。

一年前,支付宝正式上线了人脸登录功能,用户以“刷脸”取代账号密码,登录支付宝。作为人工智能大家庭的一员,人脸识别逐渐成为具有标杆意义的先驱。2015年至今,人脸识别逐渐进入成熟与爆发期,资本相继涌入、企业数量激增,“刷脸时代”呼之欲出。

毫秒间让“真凶”现形

人脸识别系统协助武汉市公安局破获的280多起案件中,绝大多数属于“盗、抢、骗”等案件,涉案金额不高,传统的破案手段得要花费较大的人力与物力。因警力有限,这类跟民众息息相关的小案件,让基层公安机关头疼不已。

依图科技公司安防技术专家罗忆,曾在上海市交警总队科技处任职,他接受《财经》记者采访时介绍,传统的破案方式中,民警要花大量的人力与时间,顺着嫌疑人的路线一路追视频,然后再找目击人、做访谈,在拿到监控视频、截图后,还要做大量的工作去确定嫌疑人的身份。

现在大不同了,像美剧刑侦片一样,将现场截图输入一套人脸识别系统,可能几秒钟,就能找到疑犯。“在小案件中,一般比较容易拿到视频资料,有了人脸识别之后,我们就能比较快地确认嫌疑人的身份信息,后面的工作就比较轻松了。”潘飞说。

某省的刑侦总队利用人脸识别系统,梳理了740多起历史未破命案,在两个月的时间便破了40起,将19名犯罪嫌疑人抓获归案。

公安机关在侦破案件时,需要解决三个关键问题,即“他从哪里来”“他到哪里去”“他是谁”。人脸识别系统能解决最核心的“他是谁”的问题。

人脸识别系统的基本支撑是数据库。民警在拿到案发现场的视频资料后,锁定视频中嫌疑人的图像,然后将图像与公安部门的“黑名单”数据库、常住人口数据库,或实有人口数据库进行比对;系统将自动按照相似度进行排序输出,民警便可以从第一个最像的人开始按顺序排查,直至找到作案者。

由于城市的人口数据库很大,人脸识别系统往往需要从千万级的库里,寻找跟监控视频里人长得相似,或者是最相近的一个人。

旷视科技公司CEO印奇对《财经》记者分析,用于安防领域的人脸识别系统在运行时,进行的是“1∶N”的身份信息比对,“N”是指存储在数据库中的特征数据,“1”是从抓拍的照片中提取的特征数据。整个环节主要的时间耗费在“1”的在线特征提取环节,一般在几十毫秒到几百毫秒间完成,比较的过程非常快,对于百万以上甚至亿级别的数据库,系统一般能在0.1秒内完成搜索。

不过,同所有的技术手段一样,人脸识别技术也不是完美的。“虚警率”和“误识率”,是安防的两个重要指标,在这两个指标的平衡上,人脸识别系统还有不成熟之处。

中科院智能信息处理重点实验室常务副主任、研究员山世光对《财经》记者分析,“当黑名单上的‘坏人’达到万级或更多时,虚警率的控制变得非常困难。”假设系统中黑名单上有10万人,摄像头前面每天经过1000个“好人”,就需要进行1亿次的交叉比对,即使虚警率控制在十万分之一,每天可能会出现数百次虚警,这在现实应用时,是难以接受的;如果把虚警率控制在千万分之一,那么“坏人”出现时的报警率会大大降低,从而错误地放过大部分的“坏人”。

另外,全球针对被识别人不配合、甚至刻意逃避的安防场景,目前还没有接近完善的人脸识别技术,要达到科幻电影中的安防水平,短则需要三年到五年,长则需要五年到十年。

给支付多加一道安全阀门

安防,就像火箭的燃料一样,猛力推了一把人脸识别系统,之后,商家们跟进了。看一项技术的前景,最终还是要看市场的反响。

对于人人都能参与、且涉及到资产的金融领域来说,安全性永远是人们担心的首要问题。于是,支付宝玩“刷脸”支付,招商银行的手笔也不小,已在数千台ATM机上安装了人脸识别系统,“刷脸”取钱。

与语音识别技术只是一种辅助技术不同,在人脸识别技术中,人工智能的表现要远远好于人类。在金融领域的人证合一身份认证中,人脸识别就表现不俗,银行柜员的认证正确率在70%左右,而人工智能的正确率达到99%以上。

在ATM上刷脸取款,目前的技术还不能脱离身份认证这一环节。“刷脸”可以替代银行卡,但是仍然需要手机号来确定用户的ID。

可是,没有百分百安全的应用环境,人脸识别系统也存在被攻击的可能性。打印照片、视频播放、3D头套等都是作假道具,可以骗过现在的人脸识别系统。山世光分析,尽管有一些技术可以防攻击,但“道高一尺魔高一丈”,攻击手段也在不断更新,“无人值守情况下的人脸识别,还需要研究对抗攻击的手段”。

和安防的困境一样,误识率是短板。在金融领域,对人脸识别系统的误识率,更加敏感。

“‘刷脸支付’都要限定一个条件,要看支付的群体有多大,数量级直接决定人脸识别系统的可用性,如果只是在一家咖啡店里实现,技术难度肯定要低于理想的全场景‘刷脸支付’。”一名业内人士接受《财经》记者采访时说。

2012年前后,美国计算机视觉学术界的误识率都还在千分之一量级,而那时离使用的意义差别非常远;到2013年、2014年前后,人脸识别技术可以做到万分之一的误识率时,已经可以用于实战中了。但是如果要用于全场景的“刷脸支付”、达到理想中的安全级别,还需要再进步1000倍。

即便提升到一个令人满意的安全级别,人脸识别也不会完全替代密码、指纹等传统手段,而是一个强劲的新手段,未来金融领域的安全手段,一定是多维度的、立体的。真格基金合伙人兼首席投资官李剑威对《财经》记者分析,除了风险控制,金融领域的人脸识别系统,从用户体验上看,远不如指纹与密码方便。

人脸识别是一个房门,人在“刷脸”进入房门后,每一个房间也需要上锁。印奇表示,金融领域内所有的安全认证都是一套“攻防”系统,安全系统与攻击系统始终处于交叉升级的过程,安全系统需要持续地研发与升级。

“刷脸”在技术领域看上去很热闹,全面铺开,毕竟还需要过金融监管部门这一关,而这之前,可能需要在几大银行进行试点,确保没有金融风险之后才能放行。云从科技公司CEO周曦告诉《财经》记者,中国四大银行中,已经有三家开始尝试使用人脸识别系统,这意味着监管部门正在逐渐对人脸识别放开。

边用边升级

人脸识别系统不像电子产品那样,公众能直接感知,它需要企业更有耐心、更扎实地做。这一领域的创业不是营销模式的创新,而是要实实在在地做技术突破,属于科学家加商业的创业,而这种硬科技产业,正是持续吸引投资界的宠儿。

美剧中呈现的摄像头拍到一个人像,系统立刻识别出来这个人的身份,已经成为人脸识别行业的终极梦想。这相当于摄像头下经过一个人,系统马上就将其与16亿的人口库去比对,然后还要求首位命中必须达到超级高的精度指标。这需要更好的素材、更多的训练数据,还有更优秀的算法。

目前的人脸识别技术水平,仍然存在不少缺陷,但找对应用领域,还是有可能反哺研发的。周曦对《财经》记者分析,商家可以利用这一系统“监控”重点关注人群。如在VIP客户进门的瞬间,商场人员就可以得到消息,方便提供个性化服务,提升客户满意度。

对于刷脸支付,最困惑研发人员的,还是假体欺骗问题,即照片、视频和头套等,会给人脸识别带来一定的困扰。目前,普遍采用的是要求被识别人做一些配合动作,如眨眼、张嘴等方式。这些手段只能解决部分问题,况且也不够便捷。

况且,在恶劣光照(比如强背光、强侧光、过暗的环境)、大视角、年龄跨度大、待识别人规模巨大等情况下,系统识别的准确率和误识率指标还难以同时满足需求。如果犯罪分子在夜黑风高时作案,或采用低头、戴墨镜等方式,或在距离摄像头较远的距离作案,会让系统识别非常困难。

而这些都需要有耐心的公司和技术人员,一点点来做产品升级。李剑威认为,“在实际应用、实战中,只要能解决问题,就可以使用。”在解决的过程中,逐步来完善,是创业者的想法。投身于人脸识别系统开发的,目前多是一些小型创业企业,有来自资本和团队的盈利压力。

对此,潘飞表示,“我们不在乎技术做得有多高大上、怎么炫、有噱头,只要在实战中能真正起到效果,通过算法、分析能够把‘坏人’找出来,能解决我们的实际问题,这就是我们最需要的,也是警务基层最需要的。”

(本文首刊于2016年12月12日出版的《财经》杂志)

1.《如何解决人脸识别误识问题》援引自互联网,旨在传递更多网络信息知识,仅代表作者本人观点,与本网站无关,侵删请联系页脚下方联系方式。

2.《如何解决人脸识别误识问题》仅供读者参考,本网站未对该内容进行证实,对其原创性、真实性、完整性、及时性不作任何保证。

3.文章转载时请保留本站内容来源地址,https://www.lu-xu.com/keji/3252504.html