1
雷鋒網按：本文內容來自云從科技創始人、中國科學院百人計劃周曦博士在硬創公開課的分享。在未改變原意的基礎上進行了編輯整理。
明明可以靠臉吃飯”這句話不再只是一個網絡段子，隨著人臉識別技術的普及，不光可以靠“刷臉”支付吃喝玩樂的花費，現在連銀行辦業務都可以“刷臉”了。
最近兩年，國內各家中小銀行和四大行地方分行已經陸續將人臉識別技術用于日常業務，前幾日，四大行中的農行更是首先在全國范圍應用人臉識別技術。
但是，銀行業務光憑“刷臉”真的靠譜嗎？本期公開課特意邀請到云從科技創始人、圖像識別領域權威周曦博士為大家答疑解惑。目前云從科技是人臉識別技術在銀行業的第一大供應商，包括農行總行、建行、中國銀行多地分行及數十個中小銀行均采用云從科技產品。
周曦，云從科技創始人，中國科學院百人計劃，上海交通大學博士生導師，現任中國科學院重慶綠色智能技術研究院信息所副所長 、智能多媒體技術研究中心主任。曾在國際頂級會議、雜志上發表 60 余篇文章，被引用上千次。
本碩就讀于中科大，模式識別方向，隨后赴美國伊利諾伊大學（UIUC）跟隨四院院士（美國工程院、中國工程院、中國科學院、臺灣中研院院士） 、“計算機視覺之父”Thomas.S.Huang 度過博士、博士后生涯，從事計算機視覺研究。
在美國的期間，周曦先后在 IBM TJ Watson 研究院、 Microsoft 西雅圖總部研究院、NEC 美國加州研究院工作學習。
直播環節
1、 云從科技近日中標農業銀行人臉識別項目，為何銀行會開始大規模使用人臉識別技術呢？主要用在哪些業務上呢？
答：人臉識別技術在過去一年以來，平均 6 - 8 個月，識別率就會提升一個數量級，測試結果表明，人證合一對比，人眼的識別率平均為 72.5%，而機器識別率普遍已經超過 99.5%，相對機器識別會更準確。同時，機器不會疲勞，能節約人力成本，適合遠程業務辦理。
銀行的 11 個不同部門有 46 種不同的需求，主要涉及的業務有：有遠程開戶、支付、柜臺對比、VIP 迎賓、智能機具、智能金庫等。
2、銀行在選擇人臉識別技術時，重點考慮哪些技術指標，對你們提出過哪些具體要求？
答：銀行一般會重點考慮兩個技術指標和一個性能指標。
兩個技術指標分別是：
正確接受率，也叫通過率。主要考量兩張人臉照片為同一個人時，系統判斷成功并予以通過的概率，越大越好；
錯誤接受率，也叫誤識率。主要考量兩張人臉照片不是同一個人時，系統錯誤的判斷為同一人的概率，越小越好。
一個性能指標是：
比對速度，即兩張人臉圖片比對所花的時間。
總的來說，銀行一般會要求將誤識率控制到萬分之一以下，通過率必須達到 90% 以上，比對速度控制到 1 秒以內。
3、有人說虹膜識別技術安全性更高，銀行為什么不選擇呢？
答：生物識別方法的確有很多種，虹膜也是其中一種。但是人臉相對于其他生物特征識別在應用上有顯著的優點：
首先，人臉識別使用方便，可非配合，不需接觸，沒有侵犯性，容易接受。
其次，人臉識別簡單直觀，符合我們人類的識別習慣，交互性好，方便人工處理。
還有，人臉識別設備通用，使用通用設備，攝像頭、PC機、手機、平板。
最后，人臉識別不宜仿冒，有活體識別功能，難以通過照片等簡單手段欺騙系統。
4、通過“遠程人臉識別 + 身份證件核實”的方式進行身份驗證似乎有望成為銀行的標配，那么身份證照片和本人差別很大怎么辦？
答：中國公民身份證一般辦證時間都在 10 年以內，成年人臉的變化較大的經過統計，一般在 5% 左右。經過計算機人臉識別與人的對比，變化較小的 95% 的人與身份證照人臉進行比對，計算機識別率 99.5%，人眼識別率 91% 左右。而差別很大的，計算機識別率 78%，人臉識別率降到 20%。
所以，計算機還是比人眼的準確率要高很多。一般差別很大計算機判斷錯誤的，可以通過目前已有的密碼或者人工核查其它身份信息等手段解決。
5、 不用帶卡就可以從 ATM 機上“刷臉”取款的確方便，但如何保證安全性呢？
答：我們可以將人的臉理解成銀行卡，ATM 機通過人臉識別比對可以將對應的銀行卡關聯起來，用戶還是要輸入密碼來進行取款。
另外，系統還會通過活體識別技術判斷“刷臉”取款的是否為真實人臉，對于拿圖片和視頻進行冒充他人的情況予以杜絕。
6、目前的人臉識別技術可以區分雙胞胎嗎？技術上怎么保證不會誤判？
答：恩，很多人問過這個問題，在銀行也遇到過很多次。
人眼看雙胞胎可能沒有差別，但計算機可以對人臉及其細節進行歸納和抽象，得到最為本質的人臉特征進行比對，從而比人有更強的區分雙胞胎的能力。
但是，在實際應用中，由于有些場景攝像頭拍攝的人臉并不足夠清晰，而且受環境影響，計算機目前也無法做到 100% 的準確。
7、云從最近在雙創周展示了“1秒刷臉支付”，但近日也爆出最新木馬Acecard 可以刷用戶照片盜取權限進行惡意操作，怎么從技術上防止這類問題？
答：銀行對于安全的要求是非常極致的。我們的方法是對人臉采集系統采集的人臉，均用云從研究的圖片加密方式對人臉圖片進行了隱式的水印加密處理。
云從的人臉識別系統后端進行識別時，會判斷人臉圖片是否為云從采集并且加密的人臉圖片。且這種加密方式需要的加密模板和加密參數很復雜，一般無法破解。
8、很多成果在 LFW 人臉數據集上的準確率都停留在 99.5% 左右，是不是很難再有突破了？
答：LFW 就像一套始終固定不變的考題，需要有一定的人臉識別算法功底才能夠做到 99% 以上，因為這套考題本身的標準答案有錯誤，即使做全對，官方統計識別率也就 99.77%。一般的做到 99.5%以后，就表明了有基本的人臉識別算法能力，再去花大代價去提高到 99.77% 對實際應用并無多大幫助。
目前人臉識別算法的突破都集中在實際場景中人臉照片受角度、光線等復雜環境影響下，如何提高識別率。
9、您認為哪些機器學習的方法可能會在人臉識別中有比較好的發展？ 為什么？
答： 目前人臉識別最好的方法，還是基于多層神經網絡的深度學習算法，而且已經被各大公司所應用。
因為深度學習基于類人腦的神經傳導模型，通過足夠多的數據進行訓練，其模型復雜度和非線性程度比普通算法好很多，所以可以自動的將人臉圖片的人臉本質特征進行抽象，高效的解決人臉識別因角度、光照、年齡等問題帶來的難點。而且可以增量學習，就像一個小孩兒一樣，辨識能力隨著數據的增長會逐步提高。
10、云從有一個技術叫做雙層異構深度神經網絡，它有哪些出眾的特性？
答：為了將兩張照片映射到同一特征空間中進行比較，在異構深度神經網絡基礎上，我們提出了雙層異構深度神經網絡模型。此模型中每層都是一個深度網絡（分別以兩張照片為輸入），在訓練時采用二分類損失函數并對兩個網絡中對應權值的差異性進行正則化，可實現不同圖像空間到相同特征空間的映射。在特征空間中，相同身份人臉圖像的類內差異變小，而不同身份人臉圖像的類間差異變大，從而增強了特征的判別性。
以人證合一為例：人的證件照要和現場的抓拍照或者普通照片上的人臉進行比對，我們不能直接拿來比對，這樣因為年齡、光照等各種信息影響，識別不準。我們應該將證件照送到深度神經網絡的一層，現場照送到深度神經網絡的另一層，兩張照片通過兩層不同的網相互交換信息（年齡差距、角度差距、光照影響等），逐漸的去掉這些對人臉識別不利的因素，將兩張人臉照片映射到同一個可比的空間再進行比較。
舉個例子，要比較山東的蘋果和川西的蘋果哪個好吃，最好把它們都運到同一個地方，由同一個人來品嘗，給出最佳答案。
11、在很多實際應用中，人臉識別的準確率并不高，目前還有哪些困難和挑戰需要解決？
答：人臉識別是一個比較復雜的系統，由很多的人臉處理模塊組成。包括人臉檢測、關鍵點檢測、人臉規整、特征提取、比對識別五個大的步驟。
其中人臉檢測、關鍵點檢測與人臉規整為人臉預處理流程，將一張圖片中的人臉提取并處理成規范的人臉以便后期處理。特征提取為核心模塊，是對人臉圖片進行深層描述并提升識別效果的主要模塊。而每個模塊又由很多小的算法單元，每個模塊每個單元算法必須都做到最好，組合起來的識別效果與精度才能夠高。
自由問答環節
1、現在聲紋識別已經比較成熟 ，關鍵是沒有一個權威的聲紋庫 ，現在金融機構自行搭建一個內部的庫意義大嗎？
答：一般這種評測庫都是研究機構建立，金融機構不會去建立這個庫，個人認為目前意義不大。
2、目前國內很多人臉識別公司的核心算法在一定情況下依賴香港中文大學湯曉鷗教授的算法，而不去自己獨立做，這會對整個人臉識別的發展產生什么影響？
人臉識別還處于飛速發展期，使用其他廠商的算法會不利于后期發展，對于市場的影響，不做評價。
3、我是機器學習的初學者，請問人臉識別技術，除了機器學習的知識外，還需要掌握哪些方面的技術呢？
答：計算機圖像處理與模式識別的基本知識還是需要的。
4、如果通過人臉掃描 3D 重建后易容可以騙過算法嗎，另外深度學習算法有一個缺點體就是加一些噪點就會使識別率大大下降有什么解決辦法嗎，用對抗式神經網絡？
答：3D 重建需要的算法與設備都比較復雜，不是簡單能夠實現。可以通過圖片預處理去噪，還可以通過有噪點的大數據進行訓練來解決。
5、據我了解，基于單目可見光攝像頭的活體識別技術目前還不成熟，這會限制遠程開戶業務的應用，請問這方面您怎么看？
答：目前可以采用基于動作的活體檢測判斷。
想要隨時隨地跟大牛嘉賓交流嗎？想要第一時間掌握公開課信息嗎？想要找到志同道合的小伙伴嗎？
歡迎掃描下方二維碼，關注 AI 科技評論公眾號。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
