现阶段人脸识别技术 　　近年随着全球各大研究所、实验室的日夜兼程，人脸识别技术日益提高，识别率达到99%以上，从而演变出来的功能也种类繁多并应用到各个领域。而直接相关的安防、互联网及金融等领域更是迅速将技术产品化推向市场。一时间，人脸识别成为了各大行业的热点技术方向。据笔者统计，在2015年的中国国际社会公共安全博览会上，至少有20家企业展示了自家的人脸识别产品。其中既有钻研技术深度的尚汤、FACE++、依图这样的学术型厂家，也有笔者公司这样的大安防厂商。同时，众多媒体也接连报道了人脸识别技术在学术界和工业界取得的巨大成果：比如15年，中科奥森在LFW人脸识别数据集上取得了99.7%的识别率(见表1)，与百度持平刷新了年初谷歌的记录;阿里巴巴集团执行主席马云在德国展会上演示了人脸识别与支付宝的结合应用，“刷脸支付”将走向生活;更有公安部门的多个案例，将科幻大片的情景带入我们的智慧城市中。 

　　人脸识别技术深度 　　人脸识别技术已超人眼 　　在此之前，汤晓鸥的研究组开发了一个基于高斯过程的人脸识别技术GaussianFace (高斯脸)，取得了98.52%的识别率。这也是计算机自动识别算法的识别率首次超过肉眼。 　　汤晓鸥的研究组在人脸识别领域有十几年的研究经历。他们从2011年开始开展深度学习方法的研究工作，在2013年达到了92.52%的识别率。过去一年，他们将这一数字提高到99.15%，2015年，汤晓鸥和王晓刚的研究组曾发布了一套基于深度学习的人脸识别算法，在LFW上取得了当时最高的97.45%的识别率。与此同时，Facebook发布了另一套基于深度学习的人脸识别算法DeepFace，在LFW上取得了97.35%的识别率。DeepFace需要700多万人脸数据作为训练。而DeepID仅使用了20万张人脸数据以及数台Nvidia K40 GPU。目前，汤晓鸥实验室的三个人脸识别算法占据了LFW识别率的前三名，而Facebook的DeepFace排在第四。

　　汤晓鸥认为，人脸识别领域还有大量的工作需要做，很多算法需要在实际应用中得到不断的改进和提高。他的实验室已经基于最新的技术突破制作出完整的一套人脸图像处理系统SDK，包括人脸检测，人脸关键点对准，人脸识别，表情识别，性别识别，年龄估计等各种基础技术包。

　　3D人脸识别技术 　　3D人脸识别技术是未来的另外一个方向。本文到目前为止所讨论的范畴限定在2D图像上。人脸实质上是一个立体模型，而2D人脸识别容易受到姿态、光照、表情等因素影响，是因为2D图像本身有一个缺陷，无法很好地表示深度信息。如果说深度学习是从人的认知角度来理解人脸识别，那么3D技术就是从现实模型来反映人脸识别。

　　人脸识别技术的应用 　　常见可行性应用 　　目前人脸识别技术的提高，促使各行各业都开始广泛试验引用这一技术，在某些领域取得了一定的成效。

　　人脸识别技术理性回归实际 　　在城市治安监控中，虽然对人脸识别的需求很大，但是到目前为止，从技术上还达不到在治安画面中实现识别的水平。原因主要有三点：一是治安监控看的往往是整体切面，即使在没有遮挡的情况下，人脸在图像中不够清晰，像素点达不到识别要求;二是治安监控是由高往下看，这种角度下，与正面的平面图像相貌相差较大;三是光照影响，在露天环境下，常常因为背光使得人脸发黑，无法辨别，或者局部发黑，形成阴阳脸，这也极大的影响识别的效果。因此，在治安监控环境下，进行人脸识别是目前还难以克服的。 　　但是，也有不少项目中使用了该技术，在交通枢纽的安检口，如飞机安检口、火车站安检口进行人脸识别的试点，把过往乘客的抓拍照片与在逃库进行比对，希望达到追逃的效果。在安检处设立人脸抓拍机正好弥补了一般治安监控的不足：专机专用，保证脸部图像的像素;角度相对较低，容易拍到人脸的正面图像;在室内，无光照变化影响，同时光源分布均匀，无阴阳脸的现象。虽然在成像上克服了治安监控的不足，但是笔者认为这样的应用还是难以大面积的推广，原因有：职责不清——交通枢纽站的职责是保持上下客的次序，抓逃不是其工作内容，这些职能部门确实也不应该去做抓逃的事，除非有硬性规定;风险大于收益——人脸识别只是返回一个相识度比较结果，对于其身份并无确认能力，而13亿中国人中相貌类似的很多，误判的可能性很大，结果没抓到正确的人反而引来旅客的投诉就不划算了;容易伪装——有心躲避的逃犯通过粘贴假胡子、带墨镜等伪装可以很容易骗过机器的识别。 　　那么，是否人脸识别技术在平安城市中就没有用武之地了呢?答案是否定的。移动终端与云计算的兴起给了人脸识别一个打翻身战的好机会。