什么是人脸识别？
人脸识别是一种用于识别陌生人或从特定人的脸中认证特定人的身份的方法。它是计算机视觉的一个分支，但是人脸识别是专门的，并且在某些应用程序中带有社交功能，并且存在一些欺骗的漏洞。
人脸识别如何工作？
早期的面部识别算法（今天仍以改进且更加自动化的形式使用）依靠生物特征识别技术（例如眼睛之间的距离）将所测量的面部特征从二维图像转换为一组数字（一种特征向量或模板）来描述面部。然后，识别过程将这些向量与已知面孔的数据库进行比较，这些已知面孔已以相同方式映射到特征。此过程的一个复杂之处是，在提取度量之前，将脸部调整为标准化视图以解决头部旋转和倾斜问题。这类算法称为几何算法。
面部识别的另一种方法是对2D面部图像进行规范化和压缩，并将其与具有相似规范化和压缩图像的数据库进行比较。这类算法称为光度法。
三维人脸识别使用3-D传感器捕获面部图像，或从指向不同角度的三个2-D跟踪摄像机重建3D图像。3D面部识别比2D识别准确得多。
皮肤纹理分析将人脸上的线条，图案和斑点映射到另一个特征向量。在2-D或3-D人脸识别中添加皮肤纹理分析可以将识别准确度提高20％到25％，尤其是在相像和双胞胎的情况下。您还可以组合所有方法，并添加多光谱图像（可见光和红外），以提高准确性。
自1964年投入使用以来，人脸识别功能逐年提高。平均而言，错误率每两年降低一半。
人脸识别厂商测试
NIST（美国国家标准技术研究院）自2000年以来一直在进行面部识别算法的测试，即面部识别供应商测试（FRVT）。使用的图像数据集主要是执法人员的照片，但也包括野生的静止图像（例如在Wikimedia中找到的那些）和来自网络摄像头的低分辨率图像。
FRVT算法主要由商业供应商提交。逐年比较显示了性能和准确性方面的主要进步；根据供应商的说法，这主要是由于使用了深度卷积神经网络。
相关的NIST面部识别测试程序已经研究了人口统计学影响，面部表情检测，在社交媒体上发布的面部识别以及视频中的面部识别。先前的一系列测试是在1990年代使用不同的绰号“面部识别技术（FERET）”进行的。
人脸识别应用
人脸识别应用主要分为三大类：安全性，健康性和市场营销/零售。安全性包括执法，并且面部识别的使用类别可以像人类更快，更准确地将人们匹配到他们的护照照片一样良性，并且像“ 感兴趣的人 ”场景一样令人毛骨悚然，在这种情况下，通过CCTV进行跟踪并进行比较整理照片数据库。非执法安全性包括常见的应用程序，例如手机的人脸解锁以及实验室和金库的访问控制。
面部识别的健康应用包括签到，实时情感检测，设施内的患者跟踪，评估非语言患者的疼痛程度，检测某些疾病和状况，员工识别以及设施安全。人脸识别的营销和零售应用包括对忠诚度计划成员的识别，对已知入店行窃者的识别和跟踪，以及针对目标产品建议识别人和他们的情绪。
人脸识别争议，偏见和禁令
说这些应用中的一些有争议是轻描淡写的。正如2019年《纽约时报》（New York Times）一篇文章所讨论的那样，从用于体育场监视到种族主义软件的争论中，人脸识别一直在争议中。
体育场监视？人脸识别曾在2001年的超级碗比赛中使用：该软件识别出19个人被认为是出色手令的对象，尽管没有人被捕（并非因为缺乏尝试）。
种族主义软件？存在多个问题，从2009年的面部跟踪软件可以跟踪白人而不是黑人开始，到2015年的MIT研究表明，当时的面部识别软件在白人男性面孔上的效果要好于女性和/或黑脸。
这些问题导致在特定地方或特定用途中彻底禁止使用面部识别软件。2019年，旧金山成为美国第一个阻止警察和其他执法机构使用面部识别软件的主要城市; 微软呼吁有关面部识别的联邦法规；麻省理工学院和麻省理工学院的研究表明，从面部图像确定男性性别比男性性别更难识别亚马逊黑人，与白人女性相比，黑人女性的麻烦更多。
2020年6月，微软宣布将不再出售面部识别软件，也不会将其出售给警察。亚马逊禁止警察使用Rekognition一年；IBM放弃了面部识别技术。但是，鉴于要在iPhone（Face ID）和其他设备，软件及技术中广泛采用，完全禁止面部识别并不容易。
并非所有的面部识别软件都会遭受相同的偏见。在2019 NIST人口的影响研究跟进麻省理工学院的工作，并表明算法人口偏置面部识别软件开发商有很大的差异。是的，人口统计学对面部识别算法的错误匹配率和错误不匹配率有影响，但是它们在不同供应商之间可能有几个数量级的变化，并且随着时间的流逝不断减少。
黑客面部识别和反欺骗技术
考虑到人脸识别带来的潜在隐私威胁，以及吸引人脸认证保护的高价值资源的吸引力，人们已经做出了许多努力来破解或欺骗该技术。您可以显示面部的打印图像而不是实时面部，或者在屏幕上显示图像，或者使用3-D打印的蒙版来通过身份验证。对于CCTV监视，您可以播放视频。为避免受到监视，您可以尝试使用“ CV Dazzle”面料和化妆品和/或IR发光器，以使软件无法检测到您的面部。
当然，我们正在努力开发针对所有这些攻击的反欺骗技术。为了检测打印的图像，供应商使用活动性测试，例如等待对象眨眼，执行运动分析或使用红外来区分打印的图像中的人脸。另一种方法是执行微观纹理分析，因为人的皮肤在视觉上与印刷品和面膜材料不同。最新的反欺骗技术主要基于深度卷积神经网络。
这是一个不断发展的领域。攻击者和反欺骗软件之间正在进行一场武器大战，并且对各种攻击和防御技术的有效性也进行了学术研究。
龙测科技，自动化测试AI驱动，我们在行动。
