如何解决人脸识别误识问题

“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）