大规模人脸识别的方案分析

一、人脸识别技术的现状及特点

1.1 人脸识别技术的起源与特点

1.1.1 人脸识别技术的起源

​       人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。
       其研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期。
​        人脸识别系统的核心是拥有尖端的算法能力，并使识别结果具有实用化的识别率和识别速度。

1.1.2 人脸识别技术的特点

​        作为现代身份识别的新型方案之一，人脸识别技术拥有生物特征识别所需要的唯一性与不可复制的特征。
​        同时，与指纹、虹膜等其他生物特征相比，人脸识别还具有以下优势：

非接触性：用户不需要与设备进行直接接触就可以获得人脸图像；
非强制性：能够在用户无意识的状态下获取人脸图像；
并发性：在实际的应用场景中，能进行多个人脸的检测、判断及识别。

1.1.3 人脸识别的基础能力要求与基本业务场景

​        人脸识别的核心业务始终围绕着身份识别和身份验证两个主要方面。
​        身份识别（1：N）：通过1张识别照与N张注册照比对，找到你是谁；
​        身份验证（1：1）：通过1张识别照与1张注册照比对，确认是不是你；

二、大规模人脸识别技术的缺陷与解决方案

2.1 攻击成本低

​        人脸识别的缺陷之一，是采用非活体进行伪装式攻击的成本很低。可以轻易获得的照片、工卡、模型等，均挑战着人脸识别的可靠性为了解决这一问题，人脸活体检测能力也在不断提升。先后经历了动作活体，静默活体，双目活体，结构光活体多个阶段。对于各种类型伪装人脸攻击已经达到了极高的抵御能力。

2.12 特征相似度高

​        人脸识别另外一个重大缺陷，是人脸的本身虽然具有唯一性，但人脸之间却有极大的相似度，当这一相似度放大到较大的人群基数上就会显得特别明显。这无疑给识别的准确率带来了巨大的挑战，如何克服人脸的想速度，使其在大规模人群中使用时，仍能保持较高的识别准确度成为业界重点讨论的课题。
​        解决因人脸相似度带来的识别准确率问题，目前常见的与以下几种方案：

用户辅助验证

​        是指当通过人脸识别算法，无法得到唯一可信的结果时，通过向用户寻求更多信息作为辅助验证的方式。
​        通过与用户交互，要求用户输入更多可以进一步确认其身份的信息，如手机号、姓名、登陆账号等信息。进而通过用户输入信息，进一步对识别的结果进行校验，找到唯一可信的结果。
       优点：由用户辅助相关核心的身份信息，结果可信度高；
       缺点：需要用户协助，识别流程的流畅性被打算，用户体验较差。

逻辑辅助验证

​        是指由人脸识别算法，无法得到唯一可信的结果时，通过进一步识别发生的场景基本信息以及用户的行为习惯，来进行辅助判断的手段。
​        通过记录不同用户的行为习惯，包括常发生识别的时间、地点、行动轨迹等，与该次识别行为的信息进行对比，在其中找到最可信的结果。
       优点：识别过程整体流畅，在数据量积累到一定程度之后不断强化可信度；
       缺点：需要大量用户信息数据支撑才能有效提高可信度，对于用户行为习惯改变无法判断。

细化人脸分库

​        识别准确率与人脸库大小成反比关系，即当1：N中，N越大的时候，误识别的可能性就越大。进行人脸分库就是将大库（大N）拆分成合理的多个子库（小N），从而使误识别率降低。
​        通过获取识别行为所发生的场景信息，依赖地理区域维度、时间维度等，选去最合适的人脸库进行识别。
       优点： 识别过程中整体流程流畅，随着数据累计，分库的精准度也会不段提高；
       缺点：人脸的分库逻辑设立需要数据支撑，越细化的分库逻辑也带来巨大的复杂性。

交叉验证方案

​        是指当通过人脸识别算法，无法得到唯一可信的结果时，通过其他验证手段进一步对识别结果进行判别，以便找到唯一可信结果 。
       优点：识别过程中整体流程流畅，无打断。相比单一验证方式，交叉验证能够有效提升是别的准确性；
       缺点：人脸注册时要求高，需要人脸更多维度的信息。

商用方案

       当前主流的几种大规模人脸识别方案，均存在其不可避免的缺点。
       因此应用于商用的方案需要将几种方案进行融合，结合各方案优点，形成可行的方案。

结语：

       最终最终的方案仍然是算法能力的提升，直至有一天算法有能力清晰的分辨世界每一个人的特征，所有的辅助手段都可以不再需要。