在国内，转入高铁车站、在机场过安全检查、住进宾馆或到单位结帐时用于人脸识别系统已成很广泛的事了。但奇怪的是，近来国外媒体时有人脸识别系统患上“脸盲症”的报导。

近日，英国大都会警察局被曝其部署的人脸识别系统准确率仅有超过2％。而美国民权的组织在用于亚马逊面部识别系统时，扫瞄所有535位美国国会议员的面部照片，结果其中28人竟然被辨识出了罪犯。如此误差引发了人们的批评，以及对警方用于该系统的忧虑。

人脸识别是AI技术发展较慢、应用于较多的一个领域，国内警方的人脸识别系统屡次精准辨识通缉犯，国外警方的人脸识别准确率为何如此之较低？到底是评价标准有所不同，还是技术上真为有差异？隐私担忧或容许技术发展对于中外人脸识别效果的极大差异，航天科工智慧产业发展有限公司系统总体部专家何东昌在拒绝接受科技日报记者专访时说明，首先是国外的国情问题。“有些国家指出，人脸识别不存在隐私问题，甚至对视频监控技术的应用于都有一定容许。

”例如在英国，面部辨识和跟踪技术就曾引起极大争议，英国各界甚至发动一项“请求警方暂停用摄像头展开面部辨识”的抗议活动。类似于情况在美国也有再次发生，如亚马逊公司利用云计算平台、人工智能技术协助警方用于人脸识别技术，美国公民自由联盟回应明确提出了抗议。“国内人脸识别应用于已非常普遍，并累积了相当多的实战经验，在人脸图像收集、预处理以及特征挑选等方面的工程优化也做到得很好。”何东昌说道，除国情外，在国际上我国的人脸识别技术显然发展较为慢。

美国国家标准与技术研究院的组织的人脸识别算法测试FRVT2018结果显示，我国公司再次勇夺桂冠。该测试以评测标准的严谨性、一致性和全面性闻名。在测试中，我国的人脸识别算法在千万分之一的误报下超过辨识准确率95．5％，沦为当时全球业界在此项指标下的最差水平。

清华大学媒体大数据理解计算出来研究中心主任王生入教授说道，当前人脸识别有三种应用于模式：1∶1人脸识别、1∶N人脸识别、M∶N动态布控。1∶1辨识的本质是计算机对当前人脸与人像数据库展开较慢人脸核对，并得出结论否给定的过程，“刷脸”登机、验票、缴纳都科此类；1∶N是在海量的人像数据库中找到当前用户的人脸数据并展开给定，即从N个人脸中找到1个目标；M∶N是通过计算机对场景内所有人展开面部辨识，并与人像数据库展开动态人脸核对，能应用于黑名单监控、VIP客户管理系统、校园人脸识别系统等多种场景。“英国警局经常出现的情况，也不一定是辨识准确率较低。有可能是在特定环境下，收集的图片过于理想，或是M∶N的人脸识别，为超过更高的检出率和检测速度，在一定程度上壮烈牺牲了准确度。

”何东昌说道。维护“刷脸”信息须要多管齐下在信息即价值的时代，个人隐私信息的商业价值日益突显。在人脸识别技术疯狂的同时，社会上经常出现了否不会侵害隐私，人脸否能被“冒充”的忧虑和批评。回应，何东昌指出，目前国内，从消费电子领域到安保、网络缴纳、金融等领域都在逐步引进人脸识别，但新技术有“双刃剑”属性，不应防止其中潜藏的安全隐患。

特别是在“刷脸”过程中，用户的姓名、性别、年龄、职业，甚至用户在有所不同情境状态下的情绪等大量信息都被收集并储存。这些信息如果得到适当交给而被泄漏，用户个人隐私就处在“打架”状态。“因此，面临刷脸产生的个人隐私问题，我们必需多角度联合维护。

目前在人脸识别技术领域，我国尚不适当的安全监管机制，不应尽早未雨绸缪，预先防止。”何东昌说道。

微软公司总裁兼首席法务官布拉德·史密斯也在其博文中回应：“考虑到这项技术被欺诈的可能性和普遍的社会影响，政府在人脸识别方面的法律或许变得尤为重要。”“寄予厚望我们的脸”，公民不应多一些戒备与防止意识，企业多一些技术层面的确保措施，监管也须及时第一时间。业内人士也建议，政府应向管理者角度，通过法律方式增强面部辨识领域的监管力度，确保公民个人信息安全；涉及行业、企业不应提高应用软件等载体及储存设备的安全性技术水平，提高网络安全意识，防止公民隐私信息泄漏或遭到非法转手；非必要的隐私数据不不应收集。当前，人脸识别技术的研发仍有极大扩展空间，国家有适当在数据共享和对外开放上增大引领力度，增进技术发展。

另一方面，人脸识别技术在渐渐南北成熟期，应用于将更加多，辨识技术的各类标准，尤其是维护公民隐私的标准不应尽早实施；涉及行业及企业须要担负起社会责任，主动大力地规范行业标准，心态确保收集、储存的公民隐私数据安全等。人脸识别技术知多少目前，国内外人脸识别技术发展速度减缓，技术路径也较为多。

何东昌讲解说道，主流的人脸识别技术基本上可归结五类。其中，基于模板给定方法是将待处理的人脸图像必要与数据库中所有模板展开给定，挑选给定最相近的模板图像作为待处理图像的分类。不过，由于数据库中每个人的模板图片数量受限，不有可能涵括现实中所有的简单情况，非常简单的模板给定只利用了涉及信息，对背景、光照、表情等非涉及信息十分脆弱。

因此，该方法只限于于理想条件下的人脸识别，并不合适应用于实际场景。基于几何特征的方法，即人的面部有形状和大小都不完全相同的部件，如鼻子和嘴巴等。

通过对这些部件形状的对比、部件间方位的检测，从而构建人脸识别。与基于模板给定方法相近，形状、距离等信息并无法传达出有图像中的姿态、表情等非线性因素，造成该方法的可靠性和有效性较低。基于人工神经网络的方法必要用于图像像素点作为神经网络的输出，通过仿真人脑神经元工作机制，可自学到其他方法难以实现的隐性人脸特征回应。

而且神经网络享有非线性转录函数，使得网络对人脸图像中的非线性因素和关系有一定的表达能力。基于稠密回应的人脸识别方法中，稠密回应用的“字典”必要由训练所用的全部图像包含，需要经字典自学。最后一种是基于深度自学的人脸识别方法。

其核心内容是逐级训练的网络结构，每层用于的是自编码神经网络，自编码神经网络主要还包括对数据编码和解码两部分内容。通过编码、解码构建对输出数据的无监督自学，识别能力随数据快速增长逐步提高。

本文来源：BET体育官网-www.vanillaradar.com