“去年，我跑了三个马拉松，还第一次尝试刷脸领装备”，去年跑完“广马”的马拉松爱好者周先生如此告诉记者。去年，广马组委会采取了更为严格的人脸识别系统，领取竞赛物品。“在刷脸检验机前，先拿着身份证放置在屏幕下方的卡槽区，核对身份信息后，屏幕上显示一个框，提醒将人脸‘摆放’在框当中，匹配成功就能去领取物品，十几秒就完成了整个过程，酷极了！”周先生说。

去年广马运用人脸识别系统取装备

广马“刷脸”只是开端，住在“智慧之城”的广州市民今年将可以“刷脸”进地铁。是什么支撑着我们的“刷脸”生活？日前，记者在广州地铁集团和佳都数据合作打造的智能安检技术实验室中看到，一台人脸识别安检机和一台人脸无感支付的地铁闸机正在测试。

人脸识别安检机前，工作人员扮作乘客，只见他望了一下前方，将银联卡、羊城通或AFC云卡放在闸机的感应区内，随着 “嘀——”一声响，闸机便会开启，而且通过安检门的同时，通过“云”支付完成了地铁费用的扣取。事实上，这也揭开了分类安检人脸识别进闸技术的神秘面纱——通过现场安检机摄像头抓拍的人脸，与已实名认证的乘客人脸特征的大数据库进行对比，配对成功后可快速完成安检进站乘坐地铁。这台机器就是利用了目前*********的人脸识别分类安检技术。

佳都数据副总经理幸永红进一步介绍，人脸识别安检机通过专家论证及与相关部门验收实验成果后就能正式投入商用。“最快2018年春节前在两个广州地铁站点试运营。”而且这种人脸识别进闸技术可进行自动级别分类，假如你是属于信用级别较高的，就无需将身上所有物品都过安检。这样，就能大大缩减目前广州地铁安检的时间，避免坐地铁都要排长队的烦恼。

人脸无感支付闸机更是一台具“科技感”的设备，届时连手机都不用拿出来，只需在闸机前扫脸入站，出站时再扫一下，系统确认后就可以从手机、银行上扣款。“但是由于人脸无感支付是属于1：N的比对技术，因此还需要进一步实验论证。我们争取今年能投入广州地铁试商用。”幸永红告诉记者。也就是说，今年，市民不用带钱包、羊城通、银行卡、智能手表，仅靠一张脸，在“镜头前”刷一下，就能搭地铁啦！

除了安防、银行金融外，从目前到未来一段时间内，在零售、酒店、个人娱乐、教育等多个场景领域内，人脸识别的AI人工智能场景充满想象力！

近日，记者在位于广州刚成立的云从科技视觉图像创新研发中心看到一系列充满科技感并酷似科幻电影的人脸识别场景。记者首先被一台“人脸识别自动售卖机”吸引，只要事先绑定一张银行卡，点击机器屏幕上的商品，如一瓶矿泉水，再将自己的脸对准刷脸区域，约3~5秒，机器自动识别，矿泉水就从自动售卖机出来了，同时，你就会收到银行卡扣费的信息。目前，这台机器已与建设银行合作，并且在广州大学城“露脸”。

“一张脸”除了能够随时随地买一瓶矿泉水，在校园生活中更是一张独有的身份ID：首先将个人信息在App上注册，并将脸部等信息录入。之后就能在校园里“畅通无阻”——去“刷”脸坐大巴、“刷”脸吃饭、“刷”脸去图书馆借书……以后，你不用掏出手机、银行卡，甚至学生卡都可以静静地“躺”在宿舍了。

这些场景离我们已经不远了，根据云从科技介绍，这一整套的“校园一脸通”将逐渐在广州大学城不同高校中铺开。

另外，据了解，未来腾讯的酒店无证入住系统就是通过“互联网+”技术与警务手段结合，利用人脸识别、活体检测和大数据技术等实现的旅业管理系统。无独有偶，早前，阿里也推出了刷脸住店的概念场景——在智慧酒店，用户只要有支付宝即可刷脸入住。

“来，看一看镜头”，看似简单的人脸识别，事实上，后面是一整套复杂的算法+庞大的数据采集+深度的神经网络学习+精密的计算机硬件设备……当前的人脸识别技术是依赖于深度神经网络学习。而两三年前的人脸识别更多是依靠“人为假定”，机器是根据我们的经验去采集人脸数据，因此会强调要拍摄人脸上的多少个点；但是现在的人脸识别已没有了“点”的概念，因为是通过深度神经网络学习，是递进式的，也就是所谓的人工智能。

中科院计算所教授、中科视拓董事长兼CTO山世光在接受媒体采访时表示，过去几年深度学习对人脸识别的冲击，远远超越了ImageNet对图像识别的影响。

从人脸识别过安检、到手机开锁、无人商店等，线下应用场景越来越丰富，也得益于人脸识别、大数据、神经网络学习等人工智能的不断地进步。

即将投入商用的广州地铁人脸识别安检闸机，整个系统的运作背后还有庞大的数据作为支撑。目前还需通过人脸识别技术与后台处理的能力，建立一个注册用户的数据库，之后与公安部门进行交互，将人群先进行一定的信用级别分类。分类后，当你过安检时，通过人脸识别等进行生物比对后认证，根据级别不同，区分是否要身上所有物品进行安检。

这个智能安检方案里面包含了人脸生物特征匹配、后台神经网络学习、提升速度算法等多种人工智能方面的技术。

科技是没有完美，人脸识别技术的安全性一直是外界关注的焦点，毕竟是捆绑了用户的银行卡、手机支付……根据最新的业界数据显示，人脸识别技术识别率已达到99.8%。“1：1比对”的人脸识别技术早已成熟。而且，除了1：1比对外，活体检验方面也相当成熟。也就是说，你拿着别人的照片或者是佩戴面具都无法通过计算机的检测。

一般情况下，目前在银行的人脸识别设备都具备两个摄像头，一个是采集红外，一个采集正常光。红外光就是检验对方是否是活体，后者是对人脸的外形的检测，这就防止有不法分子佩戴面具进行诈骗。

然而，业界下一步的方向是1：N比对和M:N比对人脸识别技术。所谓1：N人脸比对，即从N张脸中找出1个目标。该技术在整个行业仍在探讨中，目前是需要人为参加与干预。1：N人脸对比多用于打拐、无感支付、曝光闯红灯等。M：N则是通过计算机对场景内所有人进行面部识别并与人像数据库进行比对的过程。

1：N人脸无感支付目前在业界仍是一个议题，就是因为只要存在1%的错误可能性，也就意味着1000万人就有10万人被误扣款。苹果技术人员在接受记者采访时表示，目前人脸识别技术尚未“完美”，存在同卵双胞胎无法识别的可能性。但是网络神经的优势是能深度学习，比如苹果的脸部ID，机主每一次“刷脸”的过程都是“神经”的一次学习。

从2015年开始，人脸识别作为AI人工智能领域中最接近落地的分支，开始形成“风口”。经过近三年时间的发展，我国人脸识别领域已包括安防、金融、医疗、互联网、智慧城市等方面。国内互联网三大巨头阿里巴巴、腾讯、百度，开始在这方面排兵布阵。值得留意的是，近日，谷歌借AI人工智能重返中国市场。其中，统领其大局的两位“主帅”，是在全球计算机视觉领域中有名的科学家。

与做计算机视觉起家的人脸识别企业不同，互联网巨头们除了自建实验室、投资AI企业外，最“拿手”的是利用本身已拥有的庞大用户量和数据。

中国智慧物联网公司G7总裁马喆人表示：“当下社会已经是全球连接的，任何有颠覆性的技术会想方设法实现应用落地。人工智能就是算法加数据以及算法加场景。未来大家掌握的算法是一致的，最终谁产生的价值大，在于哪个市场上产生的数据多。所以从人口和社会的数据层面来看，我觉得中国的数据会远超美国，它对人工智能市场有更大的价值。”

线性资本创始合伙人王准表示，虽然在人工智能算法的原创性上，学术更为发达的美国要比中国走得更前沿，但由于美国移动互联网普及速度和运用量远不及中国，因此，中国在人工智能实用化的发展上显然已经快于美国。

正如业界常说的一句话，AI落地才能实现价值。

来源：广州日报