編者按：人臉識別是一項劃時代的技術，也是令人憂心的技術。一方面，它為我們帶來了福音，比如提高執法效率和優化智能家居產品；而另一方面，由於缺乏相應的法律法規，它又帶來了一些社會問題。本文編譯自CNET，作者Andrew Gebhart，原文標題“Facial recognition: Apple, Amazon, Google and the race for your face"。作者介紹了它的運行機制和一些“必修”知識點。
作為技術領域的新興之秀，人臉識別既讓人歡喜，又讓人憂愁。若您曾刷臉解鎖蘋果手機，或者曾讓Facebook、谷歌整理未分類的相冊並找出孩子的照片，那麼您肯定熟悉這項技術。
在日常生活中，人臉識別技術的作用日益凸顯。去機場和劇院時，您除了主動刷臉，可能有時也會“被刷臉”但卻毫不知情。商場店鋪的攝像機拍到照片後，您可能會收到個性化的廣告信息。當然，人臉識別技術的優點也有很多。它可以賦予智能小家電更智能的特性，並根據不同的使用者推送不同的通知，為親朋好友帶來更多的便利。
然而，最近該技術卻引發了隱私問題。專家的擔憂是多方面的：過度執法、系統可能存在種族歧視、黑客破解用戶的個人安全信息等。
接下來，本文會深入分析人臉識別技術，探討它的科學機制和一些應用的正反面影響。下面，讓我們站在時代的潮頭，一起了解人臉識別是什麼、如何運行、在哪裡運用以及相關的應用有哪些。
人臉識別是什麼？
生物識別認證利用身體測量來認定用戶身份，而人臉識別是生物識別的分支，它通過測量面部的形狀和結構判定身份。雖然不同的系統所用的技術不盡相同，但本質卻是相同的。人臉識別遵循的原則無異於指紋、語音識別等其他生物識別認證所遵循的的原則。
人臉識別如何運行？
所有人臉識別系統都會捕捉對象面部的2D或3D圖像，然後把捕捉到的圖像與既有圖像的數據庫進行關鍵信息比對。執法領域的數據庫可以由收集的面部照片組成。智能家居相機的數據庫則可能是由其他配套應用已識別的親戚朋友照片組成。
二十世紀60年代，Woodrow“ Woody” Bledsoe在Panoramic Research公司率先使用2D圖像開發了人臉識別軟件。即使是現在，大多數人臉識別系統仍依賴2D圖像，這是因為相機無法捕獲深度信息（如鼻子的長度、眼窩的深度），或是因為參考數據庫由2D圖像組成（如面部照片、護照照片）。
2D人臉識別最初運用眼、口、鼻等“地標”，測量它們的寬度、形狀和相互間的距離。人臉識別軟件把這些數據轉為數字密碼，即“面紋編碼”（faceprint）。
但當角度不同、光線不同時，問題就出現了。例如正面照的眼鼻距離與側面照的距離不同。而將2D圖像映射到3D模型並取消旋轉，這一問題可以在某種程度上得到改善。
引入3D圖像
3D人臉識別軟件不易受角度和光線干擾，且不依靠平均頭部尺寸來猜測“面紋編碼”。使用可感應深度的相機，“面紋編碼”可以包括面部的輪廓和曲線、眼窩深度以及與鼻尖等點的距離。
多數相機的測量方法是：將不可見的光譜投射到臉上，傳感器捕獲光與相機本身各個點的距離，從而測量深度。儘管3D傳感器比2D版本捕獲的細節要多得多，但技術基礎卻沒有改變，即把面部的各種形狀、距離和深度轉換為數字代碼，然後將該代碼與數據庫匹配。
如果該數據庫由2D圖像組成，那麼軟件需要將3D“面紋編碼”轉換回2D“面紋編碼”進行匹配。
蘋果的Face ID使用30,000個紅外點映射到用戶面部。然後，在下次解鎖手機時，蘋果會記住點的相對位置。
雖然這些系統更為高級，但改變面部表情、戴眼鏡或用圍巾遮蓋臉部等簡單的操作也可以輕鬆讓其失效。蘋果的Face ID可能很難把用戶睡眼惺忪的臉和精神抖擻的臉匹配起來。
引入毛孔分析
最近的皮膚紋理研究有利於克服上述困難。Identix公司專注於開發安全識別技術，它研究出皮膚紋理分析方法——不是測量眼鼻間的距離，而是測量毛孔間的距離，將距離數值轉換為數學代碼。並將代碼稱為“皮膚編碼”（skinprint）。
理論上，“皮膚編碼”非常精確，可以分辨雙胞胎之間的差異。目前，Identix正致力於結合人臉識別系統和更普通的3D人臉圖，並稱該技術提高了25％的準確性。
人臉識別的應用範圍
儘管布萊索（Bledsoe）奠定了人臉識別技術的基礎，但直到二十世紀８０、９０年代，在麻省理工學院數學家的努力下，現代人臉識別技術才真正開始。自那時起，人臉識別才融入到各種商業和機構的應用中，取得了不同程度的成功。
我國政府將人臉識別技術廣泛應用於社會監管。公共區域的攝像頭不僅捕捉罪犯的蹤跡，而且還記錄人們的行為，並把捕捉到的數據轉換為分數。一些看似無害的違法行為，如亂穿馬路，可能會降低分數，而分數將會納入到“社會信用”系統中。
倫敦警察局也利用人臉識別縮小犯罪分子的搜索範圍，儘管他們的系統據稱不是很準確（據報錯案的比例高達98％）。在美國，俄勒岡州和佛羅里達州的警察部門正在與亞馬遜合作，把人臉識別安裝到政府的相機中。
美國正在機場進行人臉識別試點，幫助乘客更快通過安全檢查。特勤局則在白宮附近測試人臉識別系統。泰勒·斯威夫特（Taylor Swift）甚至在一場演唱會上用它來幫助識別攪擾者。而即將來臨的2020年東京奧運會將是第一個使用人臉識別技術提高安全性的奧運會。
對於零售店和營銷商，人臉識別也具有重要意義，而不只侷限於警惕盜賊。在CES2019上，消費品巨頭寶潔（Procter＆Gamble）展示了概念店，相機可以識別用戶面部並提出個性化的購物建議。
把人臉識別帶回家
除了大規模安裝，人臉識別在消費產品中還有多種用途。除蘋果外，某些具有Google Android操作系統的手機（如Google Pixel2和三星Galaxy S9）還可以進行人臉識別，但Android上的技術尚不足以驗證移動支付的安全性。儘管三星沒有像許多行業觀察家所期望的那樣，在新手機Galaxy S10上整合人臉識別功能；但預計下一版本的Android將提供更安全的人臉識別系統，使其更接近蘋果的Face ID。
多年來，Facebook一直使用人臉識別來建議圖片標籤。其他照片應用程序（例如Google相冊）在這方面也做得越來越好。
在智能家居領域，人臉識別已內置於幾種流行的聯網攝像機型號中。聯網攝像頭會將面孔與拍過的其他面孔進行比較，因此用戶可以根據攝像機看到的人來自定義通知。我們測試過的所有模型都需要花費一些時間來學習面孔，因為它們需不受角度和服裝的影響來識別用戶的家庭成員。攝像機學習後，用戶可以使用人臉識別功能，把真正想掌握的相關內容設為通知，使聯網的安全系統更加智能。
除了家庭的安全用途外，即使像Lovot和索尼的Aibo機器狗之類的機器人也可以識別人臉。它們學習面孔不是為了人物追蹤，而是為了漸漸適應不同人的特定偏好。
這意味著什麼？
與其他形式的生物特徵認證不同，相機可以在人們知情或不知情的情況下收集有關其面部的信息。如果您是一個注重隱私的人，那麼您的數據也有可能被公開而不自知。
這項技術太新了，以至於美國沒有任何法律限制公司處理捕捉的面部圖像。參議院最近提出了一項兩黨法案，以糾正缺乏監管的問題。
美國公民自由聯盟向亞馬遜遞交了一份請願書，要求其停止將人臉識別技術提供給執法機構和政府。
根據Buzzfeed的報告，美國海關和邊境保護局計劃實施人臉識別，以驗證全國機場國際航班上的乘客身份。
NBC新聞報道，未經本人或攝像師許可，優化人臉識別的數據庫常利用社交媒體網站上的圖片。像IBM這類公司設定了明確目標，即試圖用這些圖像來提高人臉識別的準確性，特別是識別有色人種的準確性。理論上，從大量面孔中提取數據，系統可以微調算法，考慮更多種類的面部結構。
電子前沿基金會指出，當前的人臉識別系統在識別少數群體時往往會產生大量不正確的假陽性。NBC還詳細指出瞭如果普通用戶不使用這些數據庫中的圖片，那會很麻煩甚至不可能。
Facebook因其DeepFace人臉識別技術面臨集體訴訟，DeepFace未經許可即識別照片中的人物。智能家居公司Ring是亞馬遜的子公司，2018年因其申請的面部技術專利可能侵犯民權，所以也備受外界抨擊。
人臉識別技術令人興奮，它賦予智能家居更安全、更個性化的性能；但它卻極易暴露隱私和侵犯人身權利。雖然人臉識別帶來的影響尚無定論，但它卻不再是停留在科幻小說中的遙遠概念。認識到這一點非常很重要。不論好壞，人臉識別正迅速普及。
閱讀更多 36氪 的文章
