人臉識別＋AI，不僅僅是刷臉支付這麼簡單！

得益於網路支付平台的興起，現在的支付方式已經變得越來越便捷，特別是移動支付的廣泛使用，讓手機成為另一個可以傍身的錢包。在吃完飯準備買單時，或是在超市買完東西付賬時，店家刷一下消費者手機中的二維碼，消費者輸入密碼確認轉賬信息後，就可以將錢付給店家。支付過程只不過幾秒鐘，是不是很方便？但是在方便的同時，我們也在擔心密碼的安全級別，誰也不希望自己「口袋「里的錢無緣無故不翼而飛吧。

因此除了增加密碼的複雜度，指紋識別等生物識別技術也出現在網路支付環節中。刷臉支付作為目前正在逐步興起的一種密碼驗證方式正在越累越多的場景中進行應用，去年8月底，支付寶就在杭州萬象城的KFC上線了刷臉支付，成為全球首個落地的刷臉支付應用場景。

人臉識別技術的發展

作為社會性動物的人類，精準識別人臉是關鍵的社交技能之一。這項技能如此重要，以致人類在漫長的進化中，在大腦中專門形成了一個負責人臉識別的腦區——梭狀回（fusiform gyrus）。因此，人類十分擅長這項技能，能從「驚鴻一瞥」中瞬間記住一個人，也能從「回眸一笑」中想像出這個人的各種音容笑貌，甚至在「少小離家老大回」時能仍依稀認齣兒時的好友。然而，作為一種非侵入式的生物識別方法，計算機識別人臉圖像卻困難重重：億萬張不同的人臉，粗略地看只是臉型五官的細微差異，而同一個人的人臉，在不同的視角光照條件下，從圖像上看也是千差萬別。因而，機器識別人臉在過去30年里一直是計算機視覺和模式識別研究領域最有挑戰性的「明星」課題，從早期基於規則的識別、「特徵臉」、高維局部特徵點，發展到近年來火熱的深度卷積神經網路方法。

回顧人臉識別技術的發展史，2012年，深度神經網路在圖像識別領域取得了技術突破；到2014年，其通過並行訓練學習應用于海量人臉數據，使得計算機識別人臉的準確度有了從量變到質變的提高。特別是對於比較兩張人臉是否為同一個人的人臉驗證任務，錯誤率下降到1‰的量級，同時也逐漸打破了只識別正面人臉的限制，能夠容忍更大幅度的人臉圖像差異。因而， Facebook、Google、Microsof、百度、Apple等互聯網公司都逐漸採用了深度神經網路的人臉識別演算法，改善其人臉識別服務和產品。

人臉識別+人工智慧

在人臉識別技術提升的基礎上，刷臉支付也應運而生，為用戶提供了一種便捷、創新的支付體驗。在支付的應用中，快速方便的活體驗證，即確認支付使用者是真實用戶而不是假冒者預先錄製的照片或視頻，是一個關鍵技術點。以人臉識別技術為核心的識別系統與人工智慧聯結之後，效率和識別準確度都大大提高，並會持續發展。而更為精確的人臉識別不僅能符合金融服務的安全性標準，還能廣泛應用於人們的生活中，如安防、監控、網路用戶登錄與驗證、人臉P圖，以及以遊戲和電影為代表的娛樂行業，可以說是深入到了生活的各個方面。這也意味著人臉識別將會從更高層面影響我們的世界。改變世界從刷臉開始。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！