人脸具有一定的不变性和唯一性，人脸识别是人类在进行身份确认时使用的最为普遍的一种方式，其次人脸图像还能提供一个人的性别、年龄、种族等有关信息。人类在人脸识别中所表现出来的能力是令人惊异的，但是让计算机能够识别人脸，却是非常困难的问题。 人脸识别的最重要的应用就是人类的身份识别，人脸识别最初的应用源于公安部门关于罪犯照片的存档管理和刑侦破案，现在该技术在安全系统、商业领域和日常生活中都有很多应用，成熟的应用，主要有以下几个： 刑侦破案，当公安部门获得罪犯的照片之后，可以利用人脸识别技术，在存储罪犯的数据库中找出最相像的人作为嫌疑犯，极大的节省了破案的时间和人办物力。 证件验证，身份证、驾驶执照以及其他很多证件上都有照片，使用人脸识别技术，交由计算机完成，从而实现自动化及智能管理，例如信用卡，这类卡的安全性比较，可能遗失、被窃取，使用场合的安全性比较差，这类卡上加上人脸的特征信息，则会大大改善其安全性能。 入口控制，需要入口控制的范围比较广，可以是重要人物居住的住所、保存重要信息的单位，只要人类觉得安全性比较重要的地点都可以进行入口控制，比较常用的检查手段是核查证件。 视频监控，在银行、公司、公共场所都处设有24小时的视频监控，如何对视频图像进行筛选分析，就需要用到人脸检测、跟踪和识别技术。 人脸识别技术还可以用于视频会议、机器人的智能化研究等领域，人类可以轻松根据人脸辨别一个人，利用计算机进行完全自动的人脸识别，仍存在许多难点，人脸的差异性，使得人脸识别技术变得异常复杂，难以挑战，主要体现在以下几个方面： 1.人脸表情复杂，人脸具有多样的变化能力，人的脸上分布着五十多块面部肌肉，这些肌肉的运动导致不同面部表情的出现，会造成人脸特征的显著改变； 2.人脸随年龄而改变，随着年龄的增长，皱纹的出现和面部肌肉的松弛使得人脸的结构和纹理都将发生改变； 3.人脸有易变化的附加物，例如改变发型，蓄留胡须或者佩戴帽子和眼镜等饰物； 4.人脸特征遮掩，人脸全部、部分遮掩将会造成错误识别。 5.人脸图像畸变，由于光照、视角、摄取角度不同，可能会造成图像的灰度畸变、角度旋转等，降低了图像质量，增大了识别难度。 人脸识别涉及模式识别、图像处理、计算机视觉、生理学和心理学等学科领域，人脸识别属于生物识别，属于模式识别的研究领域，生物识别验证，未来极有可能取代现在的密码验证，所需要的技术，都离不开人工智能技术的支持，有爱好的朋友，可以多看下人工智能科谱网站，听朋友说，多智时代好像做的还行，可以关下，为未来的智能时代，做一个知识积累。

论文中的结果其实只能说明算法较于之前有了较大提高，但是模型的transfer的能力还不强，意思换到别的数据集上像deepid,deep face等效果要下降一大截，同时数据集也是一个大问题，如何应对小样本人脸的dl也是未来的研究方向

光照，表情，遮挡 题主看的论文中的数据是因为论文必然是用公认的库类似orl，虽然那个也有表情光照处理，但是与实际差距很远 我用过很多知名公司的识别库做过测试，就说光照这一点，影响很大，不必说分类，很多时候连检测都检测不到...

讲一个前几天发生的事：一个同学换了一副眼镜就刷不进人脸识别的门禁了......

人脸检索的速度可以非常块，但是准确度远不如人。人都会犯错，何况机器？

因实验室的原因，试过很多算法。现在人脸识别的应用包括识别、验证和基准点定位。识别指的是有一个人脸库，来了一个新的人脸，能够识别出来这个人脸是谁;而验证指的是来了两张人脸，判断这两个人脸是否是同一个人;基准点定位指的是来了一张人脸，可以检测出和训练模板相同结构的坐标点，例如说眼角、鼻翼等特征点，可以反映出人脸的结构。实际上现在后两者已经的确可以达到很高的识别率，并且已经在用了，至少之前nexus的人脸识别基准点定位还是比较准确的。并且在更复杂的情况下，例如运动模糊，对焦不准等，识别率都是很不错的。第一种情况，其实也和人脸检测的效果也有关系~楼主感兴趣其实可以去玩一下网上的demo，现在已经提供了可以直接使用的接口，例如face++。

人脸识别的技术挑战就是应用在现实环境时候遇到的各种问题吧，比如光线、采集方法、采集速度等因素都会对识别准确率产生一定的影响。 除了人脸识别模型的优化之外，实际应用中更看重软件工程优化的能力，比如抓到人脸之后在什么条件下进行识别，正脸还是侧脸？多人共同出现的情况下识别谁，人脸框最大的那个？比如采集完之后信息存在哪里？第一次识别和第二次识别的流程是否一致？怎样提高效率?硬件的外型是否方便采集？如何减小光照的影响？ 任何产品都需要经过很多时间去测试和改进，实验室的数据已经越来越没有说服力，我们的人脸识别终端产品经过不断迭代，目前已经开始批量生产，外型和功能如下： - 人脸识别闸机 用户在非配合状态下的快速身份识别技术，无须按照指定的位置及姿势进行面部图像采集，采用先进的人脸识别技术，配合高清的摄像头，仅需从视频图像中查找人脸，并与人脸数据库进行实时比对，就可实现远距离快速确认人员身份。 - 人证比对机 人证比对机，采用深度学习算法框架，算法精度99.5%，内置二代身份证读卡器，自助刷卡认证，一秒完成人证比对，适用于身份验证各个场景，认证结果可通过网络协议与业务系统对接，高效快速。 本系统采用务工人员在进场时在采集点采集身份证信息和人脸信息，并存储到系统的公有云服务器或企业自由的私有云服务器；在工人每次进出工地时，必须通过人脸识别设备进行人脸比对，验证进出场人员与实名登记者是同一个人，并精确记录每一次的进出记录或考勤信息。 - 人脸访客考勤机 开为科技的人脸访客考勤机采用大型立式安卓机，可通过联网或者线下的形式对海量照片进行比对，考勤机会自动采集并记录每个经过的人脸特征，并与后台照片进行比对，精准判断贵宾和陌生人的来访时间和性别年龄等信息。

挑战啊(^Д^) 当然是南朝鲜网红脸咯！ 不信识别一下我头像。 老司机飙车润物细无声。

[h1]人脸识别惹争议，科技行业尚无应对技术偏见的统一标准[/h1] 本文系网易智能工作室（公众号smartman 163）出品。聚焦AI，读懂下一个大时代！ 【网易智能讯7月28日消息】面部识别技术逐渐成为日常生活的一部分。你可能已经靠“刷脸”登录你的手机或电脑，或者完成网银付款前的身份验证。在中国，面部识别技术更为常见，通过人脸识别，你可以购买快餐或者在公共厕所中领取卫生纸。但这种技术的广泛应用掩盖了其背后潜在的结构性问题，尤其是偏见问题。研究人员表示，用于面部识别的分析软件依据其识别对象的年龄、性别和种族的差异，会反馈出不同的结果。 麻省理工学院媒体实验室（MIT Media Lab）的研究人员在2月份发表的一项研究发现：与肤色较浅的男性相比，由IBM、微软和旷视科技（Face++）设计的面部识别算法在检测肤色较深的女性时，其出错率要高出35%。通过这种方式，面部识别的技术偏见可能会强化社会偏见，影响女性和少数族裔，亦有可能将他们排除在世界数字基础设施之外，或对他们做出改变人生的判断。 一、是时候建立应对技术偏见的全行业标准 以上所述是个坏消息，更坏的消息是，公司还没有解决这个问题的计划。尽管个别公司正在其自主研发的软件中解决面部识别中的技术偏见，但专家们表示，没有任何统一的标准可以在整个行业范围内同步实施。因此，当公司在其算法中减少偏见的时候（正如微软上个月宣布的那样），很难判断这有多大意义。 乔治城大学隐私与技术中心的研究员克莱尔·加维（Clare Garvie）表示，很多人认为现在是时候引入全行业的偏见和准确性的基准测试了：测试算法在不同的人口统计数据上的表现，比如年龄、性别和肤色。“我认为这将是非常有益的，”Garvie说。“特别是对于那些将与政府机构签约的公司。”对于公司来说，面部识别应用已经变得比以往任何时候都要容易。 （图1：今年5月，英国天空广播公司（Sky）利用亚马逊的面部识别API接口来识别名人。） ​二、科技行业有哪些解决方案？ 在一项非正式调查中，The Verge联系了十几家出售面部识别、验证和分析算法的公司。所有回复的公司都说他们意识到了偏见的问题，而且大多数公司都说他们正在尽最大努力在他们自己的系统中减少这种偏见。但没有人会分享他们工作的详细数据，或者透露他们自己的内部指标。如果你经常使用面部识别算法，难道你不愿意知道它是否一直在性别或肤色项目上表现欠佳吗？ 谷歌只销售人脸识别的算法，而不是身份信息。谷歌表示：“我们确实测试了偏见，而且我们一直在测试我们的底层模型，以减少技术偏见带来的不公平。在这个时候，我们没有更多的细节来分享。” 微软分享了其近期的改进，包括软件在性别识别方面的进展，目前其对肤色较深的女性的识别错误率为1.9%（低于20.8%）。该公司没有提供官方声明，但其首席法律顾问布拉德·史密斯（Brad Smith）在7月份发表的一篇博客文章提到了这一点。史密斯表示，现在是时候让美国政府监管自身对面部识别的使用了，尽管不是由私营企业来部署。也许，还应包括设定最低的精确度标准。 IBM还强调了最近的改进，以及上个月发布的一套用于训练面部识别系统的多样化数据集，旨在对抗偏见。IBM Watson的首席设计师鲁希尔·普里（Ruchir Puri）于6月份曾表示，该公司有意帮助建立准确的基准。普里说：“应该有许多这样的基准来评判。”“但这种判断应该由团体来做，而不是由任何特定的参与者来做。” （图2：亚马逊人脸识别系统将28名国会议员识别为罪犯）亚马逊没有回应这个问题，而是于今年早些时候在发表的声明中提到，该公司曾因向执法部门出售面部识别技术而受到ACLU（美国公民自由联盟）的批评。（ACLU最近也提出了类似的批评：它测试了该公司的面部识别软件，以识别国会成员的照片，并发现他们错误地将28个人与犯罪照片相匹配。） 亚马逊表示，如果用户将算法应用于非法歧视或侵犯公众的隐私权，他们将对该用户撤销权限，但没有提及任何形式的监管。该公司透露，其团队正在内部进行测试，以分析和消除系统中的偏见，但不会透露更多信息。考虑到亚马逊持续向执法机构出售其算法，这一点值得注意。 在接近边缘的企业供应商中，有些公司根本没有提供直接的回应，包括FaceFirst、Gemalto和NEC。另一些公司，比如一家向世界各地的执法部门和边境机构销售面部识别算法的德国公司科尼特克公司（Cognitec）承认，如果没有正确的数据，消除偏见很难。 “可用的数据库往往是有偏见的，”科尼特公司的市场经理埃尔克·奥伯格（Elke Oberg）表示。“数据库可能只包含白人，因为这是供应商提供的模型。”奥伯格说，科尼特公司在不同的数据上做了最好的训练，但他说，市场力量将淘汰糟糕的算法。“所有的供应商都在研究这个问题，因为公众已经意识到了这一点，”她说。“我认为，如果你想作为一个供应商生存下去，你肯定需要在高度多样化的数据上训练你的算法。” 三、如何解决偏见的问题？ 这些答案表明，尽管人们意识到偏见的问题，但没有应对的措施。那么该怎么办呢？大多数专家建议的解决方案在概念上是简单的，但却难以实现：为准确性和偏差创建全行业的测试。 有趣的是，这样的测试已经存在了。它被称为FRVT（人脸识别供应商测试），由美国国家标准技术研究院（NIST）管理。它测试了几十个面部识别系统在不同情况下的准确性，比如将护照照片与站在边境门上的人相匹配，或者在数据库中匹配闭路电视片段和脸部照片。它还测试了“人口差异”——算法是如何基于性别、年龄和种族来进行面部识别的。 然而，FRVT是完全自愿的，提交其算法的组织往往是试图向政府出售服务的企业供应商，或者是学者测试新的、实验性的模型。像NEC和Gemalto这样的小公司提交了他们的算法，但是没有一家大型的商业科技公司这么做。 Garvie认为，扩大FRVT的覆盖范围，而不是为面部识别的准确性创造新的测试，可能是一个好主意。“NIST在进行这些测试方面做得非常出色，”Garvie说。“但他们的资源也有限。我怀疑我们需要立法或联邦资金支持来提高NIST测试其他公司的能力。”另一个挑战是，像亚马逊和微软这样的公司部署的深度学习算法很难被送去分析。这些算法是不断更新的软件的巨大组成部分，与老式的面部识别系统非常不同，后者通常可以安装在一个u盘上。 在接受The Verge采访时，NIST的生物识别标准和测试主管帕特里克·格罗瑟（Patrick Grother）明确表示，该组织目前的角色不是监管。“我们不做监管，我们不制定政策。我们只生产数字，”格罗瑟说。NIST近20年来一直在测试面部识别算法的准确性，目前正在准备一份专门针对偏见问题的年底报告。 格罗瑟表示，尽管自NIST开始测试以来，“错误数量大幅减少”，但不同算法的性能之间仍然存在很大的差异。“不是每个人都能做面部识别，但很多人认为他们能做到，”他说。 格罗瑟说，最近关于偏见的讨论经常会混淆不同类型的问题。他指出，尽管训练数据集缺乏多样性会造成偏见，但对相关的人像采集拍摄也会产生偏见，尤其是当肤色没有被适当地暴露出来的时候。类似地，不同类型的错误在应用于不同类型的任务时意味着更多。所有这些细微之处都需要考虑到基准或监管。 四、偏见并不是唯一的问题 关于偏见的讨论还引发了其他关于社会使用面部识别的问题。 人工智能科学家Joy Buolamwini是麻省理工学院的研究人员（从事性别识别算法不同准确率的研究工作），他表示，仅仅解决偏见并不能完全解决这些更广泛的问题。“开发面部分析技术，然后将其武器化，有什么好处呢？我们需要一种更全面的方法，将面部分析技术作为一个社会技术问题来对待。技术上的考虑不能与社会影响相分离。” （图3：人脸识别应用于边境检查） Buolamwini和其他人工智能团队成员对这些问题采取了积极的态度。面部识别供应商Kairos的首席执行官布莱恩·布雷克（Brian Brackeen）特最近宣布，其公司不会向执法部门出售面部识别系统，因为有被滥用的可能性。 布雷克表示，当涉及到面部识别的商业部署时，市场力量将有助于消除偏见算法。但是他同时表示，当这些工具被政府使用时，风险要高得多。这是因为联邦机构可以获得更多的数据，这增加了这些系统被用于抑制监视的可能性。（据估计，美国政府持有该国一半成年人口的面部数据。）类似地，政府使用这些算法做出的决定将对个人的生活产生更大的影响。 “执法的用例不只是街上的摄像头，而是身体摄像头、脸部照片，”布雷克说，如果偏见是这些场景中的一个因素，那么“你就有了一个更大的可能性让一个有色人种被错误地指控为犯罪。” 因此，关于偏见的讨论似乎只是一场更大辩论的开始。正如Buolamwini所述，基准测试可以发挥他们的作用，但还需要做更多的工作：“开发这些工具的公司、研究人员和学者必须承担责任，在他们想要减轻损害的情况下，对他们开发的系统设置条件限制。” （选自：The Verge 作者： James Vincent 编译：网易智能 参与：nariiy） 关注网易智能公众号（smartman163），为你解读AI领域大公司大事件，新观点新应用。

在不久的将来，你的丰田汽车可以通过面部识别功能来解锁——刷脸在开车这事儿上也将成为可能。 此外，还有已开始在汽车领域应用的体感技术，比如车载摄像头看到你搬着沉重的行李箱后，就会自动打开后备箱——当然，由于汽车未能进化成“大黄蜂”，你应该还是需要自己把东西放进去。 就像手机、可穿戴设备一样，汽车也可能成为你的健康管理“工具”。丰田和微软表示，未来的汽车，方向盘和座椅上都会集成不少传感器，它们可以收集关于你的一些身体数据（比如手心出汗程度、体重等），进而判断你的健康甚至是心情。你现在焦躁不安？那就给你自动放首舒缓的音乐吧！最近体重超标？那么导航就推荐一家低卡路里的餐厅吧！