人脸识别弊端的防范，人脸识别技术是指利用分析比较的计算机技术识别人脸。人脸识别是一项热门的计算机技术研究领域，其中包括人脸追踪侦测。人脸识别弊端的防范。
人脸识别弊端的防范1
技术水平的角度来看，人脸是唯一不需要用户主动配合就可以采集到的生物特征信息。其他生物特征的采集过程，如指纹、掌纹、虹膜、静脉、视网膜，都需要以用户的主动配合为前提，即如用户拒绝采集，无法获得高质量的特征信息。从社会心理的角度来看，通过人脸识别身份，符合人的视觉识别经验，容易被使用者接受。如人们在采集指纹和虹膜时，会担心隐私泄漏，但是每天被街头的几百台监控摄像机拍摄，却不感到被侵犯，因为人脸天生就暴露在外，被认为是识别身份的天然特征。那么我们来讲讲人脸识别技术有哪些弊端吧。
一、人脸识别的技术弊端及难点
（一）人脸识别的技术弊端
人脸识别技术也会出现误差，影响人的判断结果。
人脸识别的一个缺点在于信息的可靠性及稳定性较弱。
人脸所蕴含的信息量较指纹、虹膜等生物特征相比是比较少的，其变化的复杂性不够。例如，若要两个人的指纹或者虹膜基本相同，大概需要好几十乃至上百个比特达到完全重合才可以。但如果是人脸的话，十几个比特达到重合就可以了。在全世界可以找到很多具有相似性的面孔。所以说，人脸的辨识性不是很高，它并没有那么独一无二。
另外，人自身内在的变化以及外在的环境的变化都会影响采集时人脸的信息稳定度。相较于之前的人脸识别技术，目前的人脸识别技术有所提高，但是具体应用是还是不能达到完美状态，保守估计，人脸识别技术的准确率能达到99%。
（二）人脸识别的技术难点
1、光照问题
光照变化是影响人脸识别性能的最关键因素，对该问题的解决程度关系着人脸识别实用化进程的成败。由于人脸的3D结构，光照投射出的阴影，会加强或减弱原有的人脸特征。尤其是在夜晚，由于光线不足造成的面部阴影会导致识别率的急剧下降，使得系统难以满足实用要求。同时，理论和实验还证明同一个体因光照不同引起的差异，大于同一光照下不同个体之间的差异。光照问题是机器视觉中的老问题，在人脸识别中的表现尤为明显。解决光照问题的方案有三维图像人脸识别和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。
2、姿态问题
人脸识别主要依据人的面部表象特征来进行，如何识别由姿态引起的面部变化就成了该技术的难点之一。姿态问题涉及头部在三维垂直坐标系中绕三个轴的旋转造成的面部变化，其中垂直于图像平面的两个方向的深度旋转会造成面部信息的部分缺失。使得姿态问题成为人脸识别的一个技术难题。针对姿态的研究相对比较的少，目前多数的人脸识别算法主要针列正面、准正面人脸图像，当发生俯仰或者左右侧而比较厉害的情况下，人脸识别算法的识别率也将会急剧下降。
3、表情问题
面部幅度较大的哭、笑、愤怒等表情变化同样影像着面部识别的准确率。现有的技术对这些方面处理得还不错，论是张嘴还是做一些夸张的表情，计算机都可以通过三维建模和姿态表情校正的方法把它纠正出来。
4、遮挡问题
对于非配合情况下的人脸图像采集，遮挡问题是一个非常严重的问题。特别是在监控环境下，往往被监控对象都会带着眼镜、帽子等饰物，使得被采集出来的人脸图像有可能不完整，从而影响了后面的特征提取与识别，甚至会导致人脸检测算法的失效。
5、年龄变化
随着年龄的变化，一个人从少年变成青年，变成老年，他的容貌可能会发生比较大的变化，从而导致识别率的下降。对于不同的年龄段，人脸识别算法的识别率也不同。这个问题最直接的例子就是身份证照片的识别，在我国身份证的有效期一般都是20年，这20年间每个人的容貌必然会发生相当大的`变化，所有在识别上也同样存在很大的问题。
6、人脸相似性
不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。以模仿某个明星为目标的化妆、整容等人为因素加大了这个问题的难度。尤其是双胞胎的问题，人脸识别系统究竟能不能正确的识别出来，这个其实在学术界也是有争论的。有专家认为双胞胎根本不应该靠人脸识别技术进行分辨，它是没法用人脸识别技术来准确进行区分的。
7、动态识别
非配合性人脸识别的情况下，运动导致面部图像模糊或摄像头对焦不正确都会严重影响面部识别的成功率。在地铁、高速公路卡口、车站卡口、超市反扒、边检等安保和监控识别的使用中，这种困难明显突出。
8、人脸防伪
伪造人脸图像进行识别的主流欺骗手段是建立一个三维模型，或者是一些表情的嫁接。随着人脸防伪技术的完善、3D面部识别技术、摄像头等智能计算视觉技术的引入，伪造面部图像进行识别的成功率会大大降低。
9、样本缺乏
基于统计学习的人脸识别算法是目前人脸识别领域中的主流算法，但是统计学习方法需要大量的训练。由于人脸图像在高维空间中的分布是一个不规则的流形分布，能得到的样本只是对人脸图像空间中的一个极小部分的采样，如何解决小样本下的统计学习问题有待进一步的研究。此外，现在参与训练的人脸图像库基本都是外国人的图像，有关中国人、亚洲人的人脸图像库少之又少，给训练人脸识别模型增加了难度。
10、图像质量问题
人脸图像的来源可能多种多样，由于采集设备的不同，得到的人脸图像质量也不一样，特别是对于那些低分辨率、噪声大、质量差的人脸图像（如手机摄像头拍摄的人脸图片、远程监控拍摄的图片等）如何进行有效地人脸识别是个需要关注的问题。同样的，对于高分辨图像对人脸识别算法的影响也需要进一步的研究。现在，我们在人脸识别时，一般采用的都是相同尺寸，清晰度很接近的人脸图片，所以图像质量问题基本可以解决，但是面对现实中更加复杂的问题，还需要继续优化处理。
二、人脸识别的安全隐患
近几年，人脸识别技术日益创新突破，在各产业之间落地的应用项目有目共睹，但以目前技术来说仍然跟不上瞬息万变的社会变化和市场需求，例如今年新冠病毒突袭下，导致我国大批人脸产品无法在戴口罩的情况下进行扫描识别，事后各大厂商立即更新算法，但从此时也提醒了我们，面对未来的不确定性，技术不能一成不变，需要不断创新与突破。
此外，如何在不同光线和角度下，更好地识别脸部？如何清晰、精准的确定身份等等问题，仍然是目前亟待解决的技术痛点。
于2012年进行的一项研究表明，供应商Cognitec公司提供的面部算法在识别非裔美国人方面的表现要比识别白种人低5%至10%；2011年，还有研究人员发现中国、日本以及韩国开发出的人脸识别模型很难区分高加索人与东亚人种。今年2月，麻省理工学院媒体实验室的研究人员们指出，微软、IBM与中国厂商Megvii公司的人脸识别技术在识别浅肤色女性方面错误率高达7%，识别深肤色男性的错误率为12%，而对深肤色女性的错判比例更是达到35%。
算法出错的例子还远不止于此。最近调查结果显示，伦敦大都会警察局部署的系统在每一次实际应用时都会产生最多49次的错误匹配。在去年众议院监督委员会关于人脸识别技术的听证会上，美国联邦调查局承认，其用于识别犯罪嫌疑人的算法存在高达15%的错误判断率。此外，弗吉尼亚大学的研究人员正在进行的一项研究发现，两大著名研究图像集--ImSitu与COCO（COCO由Facebook、微软以及初创企业MightyAI共同构建），在对体育、烹饪以及其它多种活动的描述当中，表现出明显的性别偏见（例如购物图像一般与女性有关，而教练图像则往往与男性关联）。
如何在不同光线和角度下，更好地识别脸部？如何清晰、精准的确定身份等等问题，仍然是目前亟待解决的技术痛点。
然而，即使解决了偏见问题，即人脸识别系统能够以对所有人都公平公正的方式运作，其中仍然存在着潜在的失败风险。与众多其它人工智能技术一样，就算彻底排除到偏见性因素，人脸识别方案通常都会存在一定程度的误差。一切工具都可用于善途或者恶途，而工具本身越强大，其可能带来的收益或者损害也就越明显。
人脸识别弊端的防范2
人脸识别的危害
人脸图像或视频是广义的事实上，它也是数据。如果保存和使用不当，很容易侵犯用户隐私。“在信息爆炸的时代，数量许多数据处理、分析和应用都是通过算法实现的，越来越多的决策被算法所取代。因此，如果我们计算法律。因此，人脸识别在金融支付行业的应用仍然有一定的风险。
人脸识别的运用产生的最大问题是个人隐私问题，一方面人脸识别技术会侵害公民权利和公民自由，让公民处于被监控之下，没有隐私可言；另一方面，当下的网络生态环境较为复杂，不少用户、企业的网络安全防护能力偏弱，容易被黑客攻击，存在严重的数据泄露风险。
人脸识别技术是包括了人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等一系列相关技术构建的人脸识别系统，但目前一些技术并不成熟，不断涌现出种族歧视、性别歧视等诸多问题。一项研究对人脸识别技术在识别不同种族和性别的人脸进行了测量，结果表明，肤色越黑，识别率就越低。在识别黑皮肤女性时，它的错误率几乎达到了35％。还有另外的研究报告透露，在一种获得广泛使用的人脸识别数据集中，75％以上的图像都是男性，80％以上是白人。
人脸识别技术当下面临诸多弊端，该如何解决呢？
首先技术的创新和完善至关重要，只有鼓励和支持技术创新才能解决数据传输、存储、处理问题，防范黑客攻击，防范数据泄露，建立起安全的生态环境。
完善人脸识别网络和信息安全法律法规，一方面严格市场准入，坚决打击假冒伪劣产品；另一方面加强个人隐私保护，规范使用个人图像数据，不得违法盗用售卖，侵犯他人权利。
大众注意保护个人影像资料，非正规场所不建议使用刷脸支付、刷脸验证等，同时要注意个人网络数据的保管，特别是私密账号不定期更改账号密码。
当前，国内外对人脸识别技术的应用持不同的态度，争论点主要围绕在个人隐私和技术不够完善，但是科技发展的潮流不可阻挡，相信通过技术的完善、法律的监管、道德的约束，人脸识别遇到的困难可以被解决，最终被大众认可，也许现在是摁指纹，但三四年后可能真的就是刷脸的时代。
人脸认证信息会泄露吗
从2015开始，人脸识别技术经历了从快速落地到多领域应用的井喷式发展。如今，坐车可以刷脸、支付可以刷脸、自动取款也能刷脸、甚至连公厕取纸都能够刷脸……
“刷脸”技术已经融入到人们生活的方方面面，在金融、交通、教育、安防、社保等领域发挥着重要作用。
然而，生物识别技术明明有那么多，比如指纹识别、虹膜识别、静脉识别、声纹识别以及步态识别等等，其中指纹识别应用最为成熟，虹膜识别安全系数最高，为什么偏偏人脸识别能够独得市场认可，落地与应用都如此迅速呢？主要有三方面的原因：
首先，相比于指纹识别必须要采集指纹信息，人脸识别具有非强制性。它不需要被测者主动提供任何信息，只要你露出你的脸，它就能在不经意间对你完成识别。因此，人脸识别在便利性和隐蔽性方面更具优势。
其次，因为人脸识别是利用可见光获取人脸图像信息，无需接触设备，因此不用担心病毒的接触性传染，在安全性和卫生方面更有保障。
最后，在实际应用场景中，人脸识别技术可以进行多个人脸的分拣、判断及识别，并发性特点让其在识别速度和范围上具有明显优势。
不过，虽然人脸识别技术相比其他识别技术优势明显，也深受市场和商家追捧。但我们不能对人脸识别技术过分迷信与乐观。
现在的人脸识别还达不到100%的精准度，对相似度高的脸容易出现识别误差。2017年国际最新的测试表明，在错误接受率为万分之一的条件下，人脸识别正确识别率只有76%。如此的精准度不禁让人对某些特定条件下的识别正确率产生怀疑，比如黑人能识别的出来吗？相似度极高的双胞胎呢？被识别者变胖了、变丑了或者整容了机器还认得吗？又或者化了妆呢？3D打印树脂人脸面具或者高清图片能骗过机器吗？
除了技术上本身的硬伤之外，行业在安全性上的投入和重视也令人担忧。
在互联网环境下，不管是人脸识别还是指纹识别，一旦采用生物特征认证，就一定会有特征数据库，所有的生物特征数据，只要进入计算机，就会被转换为计算机代码。只要是代码就可以被截获、被重放、被重构。服务器端存储大量用户的特征数据库，特征数据库一旦被黑客或犯罪分子获取，后果将无法挽回。毕竟，密码丢了可以换，但生物信息是不可再生的，一旦泄露，你不可能再有第二张脸给你换！
然而有调查显示，在信息安全投入占信息化投入的比重方面，美国占到了20%—25%，欧洲为10%—15%，中国仅有1%—3%。这意味着，作为世界第一的互联网应用大国，我国在网络安全上的投入远远落后于其他国家。相当数量的互联网公司只顾及流量，却不顾用户安全，只顾及体验，却不顾用户隐私保护！
其实，对于此类数据信息的安全，最好的方法就是选择防御性较高的服务器，若服务器端遭受的攻击比较高，可以选择国际防御。这种防御海外能够提供更高的防御，价格也相对更便宜些。当攻击过来的时候，它能自动切换至海外线路。就是在没有攻击的时候，我们可以正常使用香港服务器，确保有良好的访问速度，当攻击来临时，切换至海外，虽然速度会慢，但能抵御更高的攻击，确保我们在刷脸的时候带来的安全隐患。
人脸识别弊端的防范3
人脸识别闸机主要是要看识别率、识别速度、适应性等参数。比如云脉的人脸识别闸机，识别错误率=低于3、33%，分辨率要高，速度大概在一秒内可完成识别这样。 人脸识别概述 传统的人脸识别技术主要是基于可见图像，这也是一种常见的识别方法。它已经发展了30多年。但该方法存在不可克服的缺点，特别是当环境光发生变化时，识别效果会急剧下降，不能满足实际系统的需要。光照问题的解决方案包括三维人脸识别和热人脸识别。但这两种技术还远未成熟，识别效果并不理想。
一种快速发展的解决方案是基于主动近红外图像的多源人脸识别技术。它能克服光变化的影响，并取得了优异的识别性能。系统整体性能在精度、稳定性和速度上均优于三维图像人脸识别。近两三年来，该技术发展迅速，使得人脸识别技术逐渐成为现实。 面部天生具有人体的其他生物特征(指纹、虹膜等)。其独特性和不易复制的优良特性为识别提供了必要的前提。与其他类型的生物识别相比，
人脸识别具有以下特征:
非强制性:用户不需要配合面部采集设备，几乎可以在无意识的情况下获取面部图像。这种抽样方法不是“强制性的”。
非接触:用户不需要直接接触设备就可以获得面部图像。
并发性:在实际的应用程序场景中，您可以对多个面进行排序、判断和识别。 同时也符合“以貌取人”的视觉特征，操作简单、直观、隐蔽性好。
什么是人脸识别技术?
人脸识别技术是指利用分析比较的计算机技术识别人脸。人脸识别是一项热门的计算机技术研究领域，其中包括人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度等技术。人脸识别技术属于生物特征识别技术，是对生物体(一般特指人)本身的生物特征来区分生物体个体。
人脸识别技术以什么为核心?
人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体本身的生物特征来区分生物体个体。我了解的视觉伟业公司人脸识技术中被广泛采用的区域特征分析算法，它融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型,即人脸特征模板。利用已建成的人脸特征模板与被测者的人的面像进行特征分析，根据分析的结果来给出一个相似值。通过这个值即可确定是否为同一人。
