近日，互联网金融身份认证联盟（IFAA）透露，其耗时2年建立的身份认证体系，已覆盖7000万用户，累计人脸识别5亿次，意味着每分钟的“刷脸”次数已经接近500次。另外，由公安部第一研究所研发的“网络可信身份认证服务平台”即将在多地投入试点，今后入住酒店，只要刷脸就能完成身份认证，方便更快捷。可见，“刷脸”时代即将来临，你准备好了吗？
刷脸
“刷脸”用的什么技术？
“刷脸”，实质上运用的是人脸识别技术，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。早前，有一款微软团队开发的年龄测试软件“how old”火爆朋友圈，玩家只要上传一张照片，便能判断出年龄，而这款软件用的核心技术就是“人脸识别”。
2014年，人脸识别技术开始爆发，由香港中文大学教授汤晓鸥以及其学生陆超超、孙祎，连续开发了“高斯脸”，以及基于深度学习的DeepID人脸算法，识别率首次突破人眼极限。此后，涉足人脸识别领域的玩家开始增多，在国内，SenseTime（商汤科技）、Face＋＋（旷视科技）、Linkface、依图科技等公司的识别准确率高达99.5%以上。
互联网公司对人脸识别技术的运用更为娴熟。马云亲自上阵，演示刷脸、腾讯的刷脸开户、京东钱包的刷脸解锁、高交会、安博会等平台上人脸识别技术大放异彩，足见市场对于新兴技术的青睐。而相较于其他识别技术，人脸识别技术具有明显优势，主要体现在以下四个方面：
一、识别对象不受限制，不同于指纹有差不多3%-5%难以录入;
二、不易仿冒，人脸识别是对个体的生物特征进行比对，包括语音、脸型、虹膜等别人不易模仿的鉴别方式，安全性高;
三、摄像头的普及，如今摄像头成为智能设备的标配，手机、笔记本都配有摄像头，非常有利于人脸的采集;
四、非常便利，直接交互，相比于其他识别技术来说，人脸识别不需要用户与设备进行"零距离"接触，而实现多场景下的人脸判断与识别，用户接受程度高。
人脸识别算法的背后支撑
“刷脸”其实刷的是数据，无论人脸识别算法多先进，如果没有海量的图像数据做支撑，人脸识别技术只是无源之水。因此，为人脸识别技术提供图像数据服务的企业，可以说是“刷脸”时代的幕后英雄。我们以数据堂公司提供的人脸识别图像数据为例来详细了解一下这些数据为人脸识别提供支持的过程。
一、完整的人脸图像库
首先，数据堂提供的人脸图像库包括：人脸关键点标注图像数据、欧亚明星人脸图像数据、互联网人像图像数据、多角度人脸表情图像数据和多姿态人脸关键点标注等图像数据。这些数据是人脸识别系统的数据引擎，是人脸识别产品的性能与质量的保障，能全面提升复杂背景的人脸识别系统的准确性。
人脸图像库
二、人脸图像标注
由于人脸识别技术需要提供海量的人脸图像数据，且需要多样性，覆盖面均匀，效果才好。数据堂以独创的众包模式为基础，通过线下快速获取人脸图像数据，并对图像进行标注。而人脸标注工作量十分巨大，需要手工一张张去标注，数据堂一般会把标注任务以众包的方式发布到线下众客，众客完成任务后，还需要质检团队对每张人脸标注进行审核，才能确保质量。目前，数据堂提供的人脸识别图像的精确率达到95%-98%。
人脸图像标注
三、机器深度学习
深度学习目前在市场上很流行，用深度学习的人脸识别系统，早期需要把现实的图像抽象成一系列数据进行学习及了解人脸的特征，在构建了一套最基本的人工智能学习算法后，提供大量人脸及非人脸照片，包括同样的人脸在不同光线、表情、角度的照片，让计算机去适应辨别、学习。
而数据堂最终标注完的人脸图像数据会以数据包的形式提供给客户，用于人脸识别系统的深度学习。目前数据堂为百度、阿里、腾讯、商汤科技、face++等公司提供海量图片、视频的采集及标注数据服务。
目前，人脸识别技术被广泛应用于各个行业，如政府、军队、银行、社会福利保障、电子商务、安全防务等领域。业内人士表示，人脸识别技术已经进入到快速上升通道，在公共安全、消费金融等领域的推广应用有望继续扩大影响，产业爆发值得期待，市场规模将达千亿。
网友评论