安卓
随着 人脸识别 技在国内的风起，越来越多的商业化应用浮出水面，尤其是在金融领域，国内首家 互联网 银行前海微众在自己的APP上集成了 人脸识别 技术，平安普惠在发放贷款之前要求完成 人脸识别 的过程，京东钱包提供刷脸解锁……
《第一财经日报》记者了解到，目前国内至少有十多家团队在研发和运营 人脸识别 ，粗略可以分为两个阵营，第一阵营是隶属于大的集团公司内部的研究团队，其相关技术只内部使用，第二阵营是独立的商业化 科技 公司，其技术对外输入和销售。
而未来，一旦央行放手远程开户，那么，在金融领域， 人脸识别 技术必将迎来大爆炸的时代，但在此之前，多位业内人士对本报记者表示， 人脸识别 至少还需要解决三方面的问题：如何权衡客户体验和辨识度之间的关系;如何提高进一步运行效率;如何在 人脸识别 基础上进行活体检测，而最后一项至关重要。
活体检测或是远程开户最大掣肘
今年5月，微软推出了How-old.net，通过人脸猜年龄，一时间欢乐了整个朋友圈，但由于推测存在不小误差，所以导致不少名人被“玩残”。但这项技术的背后，事实上就是 人脸识别 。
同样的应用还包括平安普惠在成立之前于微信朋友圈上链接了一款“测颜值当钱花”的游戏，据平安内部人士透露，游戏原理是运用 人脸识别 ，将照片通过云服务进行数据解析，根据 大数据 对比识别出照片中人的性别、年龄、微笑程度等。
当然，如果具体应用到远程开户等金融场景中，就不能如此任性了。
目前，国内大致有两类 人脸识别 开发团队，一是根植于大的机构内部，比如腾讯的优图团队、蚂蚁金服的“柒车间”、百度的深度学习实验室、平安 科技 的平安创新实验室等；二是独立的 科技 公司，比如Linkface、智慧眼等，这类团队以技术输出为主。
这其中，大多数团队是2014年之后出现的，“其实 人脸识别 已研究多年，但为何2014年之后突然变得火爆呢，这是因为 人脸识别 此前精准率太低，低于人眼，客户体验不好，2014年，香港中文大学教授汤晓鸥领导的计算机视觉研究组开发了一个名为DeepID的深度学习模型，该模型获得了99.15%的识别率。这成为一个分水岭，机器的 人脸识别 开始超越人眼。”一位从事 人脸识别 技术研发的科学家对本报记者说。
他表示，很多研发团队按照其现成的 算法 ，输入大量数据进行优化，都能取得很高的精准率。但如果应用到金融领域，仅有准确性远远不够，还要具有极高 安全 性，这就涉及到活体检测，即证明一个活人处在镜头前而不是一张照片。
“目前，在学术界，活体检测技术依旧处于探索阶段。”该科学家甚至认为，活体检测技术的成熟度是远程开户放开与否的最大掣肘。
微众银行活体检测的方法就是用户需要对着摄像机镜头读出一串随机出现的数字，而平安普惠APP上的活体检测方法是要求用户按照指令做出诸如摇头、张口、点头等动作。
但相当一部分用户反映，平安普惠的 人脸识别 太难通过，而且做这些动作时显得自己比较弱智。本报记者体验后发现，其通过 人脸识别 有两个要求：第一，摘掉眼镜;第二，指令跳出速度极快，要求用户反应不能太过迟钝。而本报记者在第一个环节就卡住了：摘掉眼镜之后眼前白茫茫一片。
这就涉及到活体检测中，辨识率和客户体验的问题，两者犹如跷跷板，“随着 人脸识别 的商业应用，在 安全 和便捷里面，事实上客户越来越趋向便捷的需求，我们要做的是达到一个相对的 安全 性，公众都接受的 安全 性，增加欺诈成本。”Linkface联合创始人对本报记者说。为了在不影响客户体验的前提下增加 安全 性， 人脸识别 也开始与其他生物特征识别技术相结合。
8月28日，科大讯飞、Linkface、中国银联在2015年第三届世界IC卡高峰论坛暨移动支付趋势大会上召开新闻发布会，推出“声纹识别+ 人脸识别 ”，据了解，徽商银行将率先在P2P转账中应用该技术：当用户转账时，需要对着手机念出8个随机数字。
上述Linkface联合创始人介绍，该技术涉及到“ 语音识别 +口型+人脸”，“我们前期的结果显示，这种交叉印证的方式精确率达到99.9%。”她说。
运行速度关乎客户体验
事实上，本报记者采访多家研发 人脸识别 的机构，他们均表示自己的 人脸识别 技术辨识率超过99%。
平安普惠品牌总监程瑞告诉《第一财经日报》记者，目前，平安普惠所运用的 人脸识别 技术精准率达99.5%；蚂蚁金服首席战略官陈龙告诉本报记者，其在内部阶段性的测试里面， 人脸识别 的准确率达到了99.8%；腾讯表示，其 人脸识别 LFW数据集准确率超过了99.5%。在实际业务产品社交网络图像上的准确率高达99%，对于身份证照片准确率甚至超过了99.9%;上述Linkface联合创始人告诉本报记者，其研发的 人脸识别 的准确率达到99.5%以上。
据一位 人脸识别 业内人士介绍，在 人脸识别 过程中，大致会经历四个步骤：第一步：人脸检测，定位人脸在哪里；第二步：人脸关键点定位，比如在人脸上加个口红或眼影；第三步：识别是谁；第四步：人脸属性，识别人脸的心情，有没有笑，有没有戴眼镜，头发的颜色等。
根据 人脸识别 的具体应用，上述四个步骤可以任意取舍，比如金融领域的应用，几乎都囊括了这四点。而如果仅仅是做一个人脸相册，可能就需要前三步。
而除了活体检测、客户体验外， 人脸识别 技术还需要解决的一个问题就是运行速度，“目前的 人脸识别 所应用的深度学习训练模型通常较大，这就需要我们在 算法 层面进行调整，在工程上进行优化，进一步提高速度。”上述Linkface联合创始人说。
