“人脸识别”很火，但还有很多你不知道的事情一直备受关注，但基于这项技术的具体应用和发展现状的市场认知却十分有限。事实上，随着机器学习和深度神经网络的快速发展以及智能设备的普及，“人脸识别”技术正经历着前所未有的发展。早在2009年，来自美国马萨诸塞州的Affectiva公司就开始探索基于云端的人脸识别和情绪识别分析服务，并获得了李嘉诚的投资；而在2010年底，Facebook也开始了面部识别，2012年，它以6000万的价格收购了著名的面部识别公司Face.com。其人脸识别项目组“DeepFace”甚至声称，正在开发的人脸识别技术准确度接近人类水平；致力于探索人工智能领域的谷歌也没有闲着。近年来，先后收购了Picassa、Pittoatt、Viewdle等多家人脸识别公司；在最近的“Build2015”大会上，微软还发布了可用的ProjectOxford，为用户免费集成了图像和人脸识别功能。同样，国内的互联网巨头和初创公司也在不同程度上探索“人脸识别”技术。阿里巴巴与蚂蚁金服、“Face++”围绕“安全支付”合作开发的人脸识别技术备受关注。腾讯基于人脸识别、图像识别和深度学习的“优图”技术也逐渐应用到各种产品中。在吴恩达博士的带领下，百度将“人脸识别”列为百度深度学习实验室的重点研究项目。此外，国内还涌现出“Face++”、“天使之眼”、“一灯”等基于“人脸识别”技术的创业公司。应用场景从“图像识别”到“人脸识别”的转变现阶段“人脸识别”技术的进步，离不开早期“图像识别”技术的发展和应用。从搜索相似图片的搜索引擎到自动美化的手机相机应用，再到基于图像识别的电子商务相似商品搜索和二维码扫描，“图像识别”技术的应用场景涵盖了很多领域。一方面是因为各领域海量数据的积累可以实现精准匹配和优化，另一方面也是因为“图像识别”技术比“人脸识别”更具可操作性。识别”技术。的确，由于“人脸识别”涉及到动态识别、活体检测、微表情识别等维度，因此在可操作性和准确率上不如“图像识别”，但与“图像识别”相比是不可比拟的技术和场景优势。首先，它简化了身份验证和注册过程。如果你现在想开淘宝店或者注册微信公众号，都需要手持身份证拍照，以验证身份。这当然是出于安全和信用的考虑，但“人脸识别”技术可以将“人脸”作为独立的验证ID，简化注册和认证的流程。同样的例子还包括“易腾”为部分应用提供的“刷脸”注册功能。其次，在安全支付领域，成熟的“人脸识别”技术明显比普通的字符、字符串密码更快、更安全。用户支付时，简单的“刷脸”动作代替了复杂的密码输入操作，缩短了用户的支付时间；而当用户密码被盗时，不仅可以通过独立的人脸ID快速找回，后台保留的用户人脸ID还能防止密码被轻易修改。同时，在娱乐领域，“人脸识别”技术也有着广阔的运用空间。“被捕电台”推出的情感识别APP——“emo”使用“一灯”提供的技术进行人脸识别注册，推荐音乐进行情感识别；在游戏领域，开发者还可以通过“人脸识别”技术的应用来捕捉玩家的表情变化，从而优化游戏设计和关卡逻辑。当然，还有很大的想象空间关于“人脸识别”技术，一个真实而震撼人心的故事是，波士顿警方借助Facebook的“人脸识别”技术，成功抓获一名疑似儿童性侵案的嫌疑人。听起来很酷，但做起来很难的确，“人脸识别”技术有着非常广泛的应用和落地场景。但不可否认的是，技术门槛高、相关人才匮乏成为其发展的最大短板。以中国为例，与“人脸识别”相关的核心技术和人才基本集中在BAT等科技巨头手中，巨头开放有限，相对封闭出于自身生态和战略考虑，开发相关技术。上层油田开发；而技术能力相对薄弱的中小团队，只能靠不断探索，在小领域寻找突破口。此外，由于关键技术的封闭性，在实际应用中，光线、角度等因素对识别结果仍有一定影响，识别结果的准确性和安全性仍有很大提升空间。其次，目前国内的“人脸识别”还缺乏统一的技术标准。虽然国内团队在类似LFW的国际标准测试中准确率不断提升，基本上每项LFW通过率都在95%以上，但真实场景比LFW测试要复杂得多。技术的判断缺乏更细致可靠的鉴别。同时，用户数据信息通道的封闭也使得用户图像信息与其他相关信息之间缺乏有效的联系。企业和开发者很难基于自身的数据积累在研发的小闭环中形成生态效应，这也增加了“人脸识别”技术在海量数据研究基础上的准确性提升.同样，“人脸识别”涉及的隐私问题也备受争议。此前，Facebook因未经用户许可存储和使用用户的“人脸识别”数据而饱受诟病；而谷歌则迫于隐私政策和舆论压力，禁止GlassApp使用“人脸识别”功能。这是涉及用户个人信息安全的普遍问题。一方面，企业和开发者需要有强大的技术实力来保证用户数据的安全，同时在征得同意的情况下合理使用用户数据；另一方面，需要对相关用户市场进行针对性教育。未来，共性与合作大于个性。任何行业和技术的发展都不是一蹴而就的，健康生态的形成也不是一蹴而就的。我们不能否认“人脸识别”技术的发展前景，但也不能忽视其发展中存在的问题。当然，这些问题不是任何一方都能解决的，需要行业各界的共同努力。对于“人脸识别”技术的开发团队来说，除了在技术研发方面下功夫，还应该拓展技术落地场景，实现有效的数据积累。在用户市场，除了上述小众娱乐领域，开发团队还可以探索安全解锁和数据检索；而在企业市场，基于“人脸识别”的企业级身份认证和可穿戴设备、智能家居的植入也留下了很大的想象空间。毕竟依托于海量数据的技术研发更加精准可靠。对于BAT这样的生态级巨头来说，开放战略不能只是纸上谈兵。相关技术和数据的开放带动整个生态的繁荣，就像谷歌对Android的开源政策一样，只有大行业生态的不断发展，才能带动小生态的稳定和繁荣。中小开发团队的开放合作，可以给巨头企业带来更多的想象空间，从底层的小众应用到上层的生态架构，让“人脸识别”技术形成“链条””开放和促进更多应用场景的生产，而不是闭门造车。对于整个行业而言，无论是BAT还是中小开发团队，建立有效的技术评估标准和隐私尊重政策都是迫在眉睫的必要之举。只有在公平客观的行业环境中，才能更好地教育市场和用户。关于“人脸识别”，可以预期会有上升的发展空间和越来越多的应用场景。但要真正实现技术的落地和生态的打通，还需要产业方方面面的相互配合。
