隨著人臉識別技術在國內的風起，越來越多的商業化應用浮出水面，尤其是在金融領域，國內首家網際網路銀行前海微眾在自己的APP上整合了人臉識別技術，平安普惠在發放貸款之前要求完成人臉識別的過程，京東錢包提供刷臉解鎖……

　　《第一財經日報》記者了解到，目前國內至少有十多家團隊在研發和運營人臉識別，粗略可以分為兩個陣營，第一陣營是隸屬於大的集團公司內部的研究團隊，其相關技術只內部使用，第二陣營是獨立的商業化科技公司，其技術對外輸入和銷售。

　　而未來，一旦央行放手遠端開戶，那麼，在金融領域，人臉識別技術必將迎來大爆炸的時代，但在此之前，多位業內人士對本報記者表示，人臉識別至少還需要解決三方面的問題：如何權衡客戶體驗和辨識度之間的關係;如何提高進一步運作效率;如何在人臉識別基礎上進行活體檢測，而最後一項至關重要。

　　活體檢測或是遠端開戶最大掣肘

　　今年5月，微軟推出了How-old.net，通過人臉猜年齡，一時間歡樂了整個朋友圈，但由於推測存在不小誤差，所以導致不少名人被“玩殘”。但這項技術的背後，事實上就是人臉識別。

　　同樣的應用還包括平安普惠在成立之前于微信朋友圈上連結了一款“測顏值當錢花”的遊戲，據平安內部人士透露，遊戲原理是運用人臉識別，將照片通過雲服務進行數據解析，根據大數據對比識別出照片中人的性別、年齡、微笑程度等。

　　當然，如果具體應用到遠端開戶等金融場景中，就不能如此任性了。

　　目前，國內大致有兩類人臉識別開發團隊，一是根植于大的機構內部，比如騰訊的優圖團隊、螞蟻金服的“柒車間”、百度的深度學習實驗室、平安科技的平安創新實驗室等；二是獨立的科技公司，比如Linkface、智慧眼等，這類團隊以技術輸出為主。

　　這其中，大多數團隊是2014年之後出現的，“其實人臉識別已研究多年，但為何2014年之後突然變得火爆呢，這是因為人臉識別此前精準率太低，低於人眼，客戶體驗不好，2014年，香港中文大學教授湯曉鷗領導的電腦視覺研究組開發了一個名為DeepID的深度學習模型，該模型獲得了99.15%的識別率。這成為一個分水嶺，機器的人臉識別開始超越人眼。”一位從事人臉識別技術研發的科學家對本報記者説。

　　他表示，很多研發團隊按照其現成的演算法，輸入大量數據進行優化，都能取得很高的精準率。但如果應用到金融領域，僅有準確性遠遠不夠，還要具有極高安全性，這就涉及到活體檢測，即證明一個活人處在鏡頭前而不是一張照片。

　　“目前，在學術界，活體檢測技術依舊處於探索階段。”該科學家甚至認為，活體檢測技術的成熟度是遠端開戶放開與否的最大掣肘。

　　微眾銀行活體檢測的方法就是用戶需要對著錄影機鏡頭讀出一串隨機出現的數字，而平安普惠APP上的活體檢測方法是要求用戶按照指令做出諸如搖頭、張口、點頭等動作。

　　但相當一部分用戶反映，平安普惠的人臉識別太難通過，而且做這些動作時顯得自己比較弱智。本報記者體驗後發現，其通過人臉識別有兩個要求：第一，摘掉眼鏡;第二，指令跳出速度極快，要求用戶反應不能太過遲鈍。而本報記者在第一個環節就卡住了：摘掉眼鏡之後眼前白茫茫一片。

　　這就涉及到活體檢測中，辨識率和客戶體驗的問題，兩者猶如蹺蹺板，“隨著人臉識別的商業應用，在安全和便捷裏面，事實上客戶越來越趨向便捷的需求，我們要做的是達到一個相對的安全性，公眾都接受的安全性，增加欺詐成本。”Linkface聯合創始人對本報記者説。為了在不影響客戶體驗的前提下增加安全性，人臉識別也開始與其他生物特徵識別技術相結合。

　　8月28日，科大訊飛、Linkface、中國銀聯在2015年第三屆世界IC卡高峰論壇暨移動支付趨勢大會上召開新聞發佈會，推出“聲紋識別+人臉識別”，據了解，徽商銀行將率先在P2P轉賬中應用該技術：當用戶轉賬時，需要對著手機念出8個隨機數字。

　　上述Linkface聯合創始人介紹，該技術涉及到“語音識別+口型+人臉”，“我們前期的結果顯示，這種交叉印證的方式精確率達到99.9%。”她説。

　　運作速度關乎客戶體驗

　　事實上，本報記者採訪多家研發人臉識別的機構，他們均表示自己的人臉識別技術辨識率超過99%。

　　平安普惠品牌總監程瑞告訴《第一財經日報》記者，目前，平安普惠所運用的人臉識別技術精準率達99.5%；螞蟻金服首席戰略官陳龍告訴本報記者，其在內部階段性的測試裏面，人臉識別的準確率達到了99.8%；騰訊表示，其人臉識別LFW數據集準確率超過了99.5%。在實際業務産品社交網路圖像上的準確率高達99%，對於身份證照片準確率甚至超過了99.9%;上述Linkface聯合創始人告訴本報記者，其研發的人臉識別的準確率達到99.5%以上。

　　據一位人臉識別業內人士介紹，在人臉識別過程中，大致會經歷四個步驟：第一步：人臉檢測，定位人臉在哪；第二步：人臉關鍵點定位，比如在人臉上加個口紅或眼影；第三步：識別是誰；第四步：人臉屬性，識別人臉的心情，有沒有笑，有沒有戴眼鏡，頭髮的顏色等。

　　根據人臉識別的具體應用，上述四個步驟可以任意取捨，比如金融領域的應用，幾乎都囊括了這四點。而如果僅僅是做一個人臉相冊，可能就需要前三步。

　　而除了活體檢測、客戶體驗外，人臉識別技術還需要解決的一個問題就是運作速度，“目前的人臉識別所應用的深度學習訓練模型通常較大，這就需要我們在演算法層面進行調整，在工程上進行優化，進一步提高速度。”上述Linkface聯合創始人説。

　　如今，隨著網際網路技術對於各個行業的深度滲透，人臉識別的市場空間將越加廣闊，有預測顯示，未來三年內，我國人臉識別産業的年銷售額有望過百億，未來十年內有望形成年銷售額過千億的市場規模。

　　本報記者調查發現，目前提供人臉識別技術的科技公司主要有兩種收費方式，一種是收取一次性技術費，一種是按次收費，比如，業內某家公司的報價是身份認證4元/次，事實上，人在一年當中要完成成百上千次身份認證，如購買火車票飛機票，在各個金融機構開戶、登錄、支付、轉賬等，按照4元/次的收費計算，未來百億銷售規模可期。

　　事實上，越來越多的應用會被開發出來，在過去，一個女孩失戀了，她可能需要翻出過往與前男友的照片，一張一張地抹掉前男友的臉，如今，她只需要在人臉相冊中，通過人臉識別中的人臉聚類技術，一鍵刷掉所有前男友的臉。