前两天，一则“亿万富翁找回失散 25 年儿子”的话题引起了全网关注。

1998 年，年仅 3 个月大的解清帅被人偷走。他的父亲一直苦苦找寻，终于在 25 年后父子一家团聚。

这次解清帅能够一家团聚，离不开一家做人脸识别的公司。

公司的“跨年龄同亲缘人脸比对算法”通过分析解清帅父母加上哥哥的面部图像，就匹配到了解清帅，最终通过 DNA 对比，确认了解清帅的身份。

图源：新浪微博截图

问题来了：寻找解清帅的人脸识别技术究竟是怎么一回事？跟我们解锁手机时候用到的是同一种技术吗？今天就来说一说人脸识别的前世今生。

从人工辅助到纯计算机识别

1、用身体特征定义一个人

早在 1879 年，法国犯罪学家阿方斯·贝蒂荣（Alphonse Bertillon）就发明了一套用来识别罪犯或者犯罪嫌疑人的方法：通过测量 11 项身体数据，比如手肘到中指末端、右耳的长度、左脚的长度等等，来识别一个人。

阿方斯的人体特征识别方法，图片来源：wikimedia

虽然阿方斯的初衷是为了识别坏人，但他这种根据身体数据特征来识别一个人的思想，对于之后的人脸识别技术有很大的启发。

2、“半自动”人脸识别

在 1964 年，美国数学家、人工智能专家伍迪·布莱索（woodrow bledsoe）等人开始尝试用计算机识别人类照片。

最初的想法是从不同角度去拍摄人脸的照片，然后让计算机学习这些照片上的明暗数据来识别一张脸。但考虑当时的技术限制，这个思路根本行不通。

最终，伍迪等人选择了类似于阿方斯的方法，从人脸上寻找大约 20 个特征，比如眼睛的宽度和间距、耳朵的长度、嘴角的长度等等，通过测量这些特征的数值，来定义一个人。

不过当时的计算机还没法直接从照片上测量这些数据，伍迪只好设计了一个软件，由人手动把测量的数据输入进计算机，计算机再将它们与数据库中的数据进行比对，识别出这张脸属于谁。

这算得上是最早的人脸识别软件了，但这是个需要人类参与的“半自动”方法，每小时只能处理 40 张图片。

3、全自动人脸识别

在二十世纪70年代，日本科学家金出武雄展示了一种新的人脸识别软件。这款软件能够自动定位下巴的位置，从而自动测量人脸的数据，自动进行识别。

虽然这款软件依然会受到拍摄角度、光线阴影等因素的影响，识别准确率有限，但它实现了从“半自动”到“全自动”的重要转变。

在之后的二十世纪八、九十年代，Eigenfaces、Fisherfaces 等方法出现，让全自动人脸识别技术有了显著进步，对于受控环境下的静态照片（比如证件照）识别能力已经比较可靠了。

比如，美国的西弗吉尼亚州、新墨西哥州都采用了面部识别技术来识别驾照上的人脸，防止同一个人用不同名字办理多份驾照。在 1997 年，美国的明尼苏达州也开始用面部识别系统来识别州内罪犯。

4、卷积神经网络带来飞跃

在 2010 年前后，基于卷积神经网络的深度学习技术，让人脸识别技术再出现飞跃。

卷积神经网络是一种模仿生物视觉建立的神经网络，它本身的架构就非常擅长处理图像信息。人们在卷积神经网络基础上进行各种优化，能够根据需要提取出画面上不同类型的信息，比如光线明暗，线条轮廓等等，从而对图片做出综合判断。

人脸识别系统，图片来源：参考文献 [2]

这种方式跟前面阿方斯的方法已经有一些区别了，不再是根据眼睛宽度、耳朵长度等特定数字来识别人脸，而是直接从人脸整体特征来识别，更类似于动物视觉的识别过程。

在2010年前后，能够供深度神经网络训练的计算机视觉数据库也日趋完善，比如李飞飞等人构建的 ImageNet，里面包含上千万手动注释过的图片。再加上 2012 年前后 GPU 被应用到深度学习领域，人脸识别技术的速度和准确率都得到了极大的提升。

比如，2014 年 FaceBook 的 DeepFace 人脸识别系统已经能达到 97.35% 的准确率，跟人类的识别准确率相差无几。而谷歌在 2015 年提出的 FaceNet，在一些数据库里的人脸识别准确率更是达到了 99.63%。

Deepface人脸识别系统，图片来源：参考文献 [3]

到了今天，人脸识别技术依然在飞速发展，除了能识别静态照片，对于视频画面中的动态人脸也能做到准确快速地识别。

无处不在的人脸识别技术

随着人脸识别的准确率越来越高，在生活中的应用也越来越多。

比如，现在主流的手机几乎都能支持刷脸解锁；在很多便利店里买东西已经可以不用掏出手机打开支付码了，直接刷脸支付就可以；在进出火车站的时候，也可以直接刷脸通过闸机口。

除了这些日常应用，人脸识别系统还在一些特殊领域发挥重要作用。

比如，自 2018 年 4 月起，在张学友演唱会上，安检、监控摄像头就成功抓拍到了将近 100 名逃犯或犯罪嫌疑人，网友也调侃张学友的演唱会简直就是“缉拿会”。

另外，在社会范围内引起比较大争议的劳荣枝案中，人脸识别系统也轻松识别出了潜逃 23 年之久的劳荣枝。

图源：厦门警方视频截图

随着人脸识别技术在跨年龄人脸识别、面部有遮挡情况下的人脸识别准确率越来越高，人脸识别技术也能更好地守护我们的安全。

前面提到的“跨年龄同亲缘人脸对比算法”，也是对于人脸识别技术在特定领域的优化。这样的功能不仅能够在多年之后寻找到潜逃的犯罪嫌疑人，同时对于走失或者被拐卖的儿童寻找亲生父母有非常大的帮助。

基于亲属关系的面部识别系统，图片来源：参考文献 [4]

值得关注的是，虽然 AI 人脸识别给我们的生活带来了便利，也守护着我们的安全，但它同样存在着一些风险。

比如手机有一些 App 在使用我们的面部数据，虽然大部分公司会尽力确保这些数据的安全，但依然存在一些软件开发商没有能力或者压根就没打算保护数据安全性，这可能会造成严重的个人信息泄露事件。

比如，向美国执法机构提供服务的 Clearview AI 公司就曾经被曝出过数据泄露事件。另外，该公司也被曝出在未经用户同意的情况下非法搜集用户照片信息用训练算法。

总之，人脸识别技术虽然已经有半个多世纪的历史，但它真正进入高速发展阶段，渗透到生活的各个领域也只是最近十年左右的事情。

人脸识别技术用在正确的地方，确实给我们的生活带来便利和安全，也让失散多年的家庭得以团聚。

但在享受技术发展便利的同时，我们也要增强自己的隐私意识，尽量避免在不知名的小程序上使用自己的照片、视频，减少信息泄露的可能性。

参考文献

[1]Adjabi I, Ouahabi A, Benzaoui A, et al. Past, present, and future of face recognition: A review[J]. Electronics, 2020, 9(8): 1188.

[2]王亮,黄永祯,张凯皓. 一种基于卷积神经网络的人脸亲属关系识别方法及装置,CN105005774A,2019-02-19

[3]Taigman Y, Yang M, Ranzato M A, et al. Deepface: Closing the gap to human-level performance in face verification[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2014: 1701-1708.

[4]Robinson J P, Shao M, Wu Y, et al. Families in the wild (fiw): Large-scale kinship image database and benchmarks[C]//Proceedings of the 24th ACM international conference on Multimedia. ACM, 2016: 242-246

策划制作

本文为科普中国-星空计划作品

出品｜中国科协科普部

监制｜中国科学技术出版社有限公司、北京中科星河文化传媒有限公司

作者丨科学边角料 科普创作团队

审核丨于旸 腾讯玄武实验室负责人

策划丨林林

责编丨林林