专职司机冒充赵薇老公，通过人脸识别技术办理了委托公证证明，“假冒”出售了黄先生的千万豪宅......这条新闻真是让人开了一把脑洞——果真是人脸识别技术不靠谱吗？
　　又有新闻称赵薇老公黄有龙被告上法庭，原因是有人买了他的房子，却迟迟无法入住，因而提告，要求黄有龙腾退房屋。可这房子却不是黄有龙卖掉的，而是他的司机卖掉的。

　　那么问题来了，司机为何能卖掉黄有龙的房产呢？究其原因，竟然是该司机冒充黄有龙到公证处，通过人脸识别技术办理了委托公证证明，委托另一人将房屋卖给了武某。新闻还有一个细节：某品牌人脸识别系统的广告称，识别率高于98.3%。

　　这就让人啼笑皆非了。人脸识别如此高的识别率也被人利用了漏洞，果真是人脸识别技术不靠谱吗？人脸识别技术在国内已经发展了不短的时间，技术成熟到什么程度、到底有什么样的技术应用？钛媒体编辑尝试让你更了解我们所处的这个“刷脸”时代：

　　提到人脸识别，最近让人印象最深刻的可以说是微软不久前推出的How-Old.net，这是一个颜龄识别机器人网站，通过大数据和机器识别技术，智能判断照片中人物的年龄。因为足够“好玩”而引爆了社交网络。中美互联网论坛期间，周鸿祎随习大大访美，也展示了一把奇酷手机拍照功能的人脸识别功能。

　　事实上，人脸识别的应用要回溯到2013年。当时芬兰创业公司Uniqul推出了一款基于脸部识别系统的支付平台，该系统不需要钱包、信用卡或手机，支付时只需要面对POS机屏幕上的摄像头点个头，并点击OK即可。Uniqul 还把此技术申请了专利，并号称拥有“军用级别算法”的保护。这也是全球第一次将人脸识别运用到支付领域的案例。

　　而近两年，巨头们对人脸识别是宠幸有加。根据钛媒体的梳理，业界刷新了这么几个动态：

　　在国外：2013年12月，Facebook在纽约创建了深度学习人工智能实验室，力邀深度学习鼻祖Yann LeCun加入，在他的推动下，2014年Facebook的DeepFace技术脸部识别率的准确度达到97%；2014年初，谷歌4亿美元收购了深度学习算法公司DeepMind以及图片分析公司Jetpac，之后推出人脸识别技术 FaceNet.

　　在国内：百度成立深度学习研究院，2014年5月吸收深度学习专家Andrew Ng(吴恩达)加盟，今年百度世界大会发布脸优产品；

　　今年3月，汉诺威消费电子、信息及通信博览会上，马云向德国总理默克尔与中国副总理马凯演示了蚂蚁金服的Smile to Pay扫脸技术，为嘉宾从淘宝网上购买了1948年汉诺威纪念邮票；除此之外，阿里巴巴还创建了生物识别技术团队柒车间，腾讯很久之前内部孵化了对抗阿里刷脸支付的杀手锏优图团队。

　　不难看出，人脸识别技术虽然并没有真正实现大规模落地，但竞争态势已然拉开。当然，入局人脸识别领域的，也不乏Face++、Linkface、Sensetime 、上海依图科技等创业团队，但对于大多数人来说，囿于技术门槛，人脸识别领域属于深入区，呈现的状态是圈内人自嗨，圈外人进不去。

　　据业内人士称，国内专注人脸识别研究的人数不超过100人，并且这个圈子的人大多互相熟识。除此之外，底层技术的搭建颇具争议，主要原因是缺乏自己研发的专利。

　　事实证明也正是如此，记者在寻访几家创业公司时发现，他们对涉及底层技术的表述都很模糊，唯有Linkface一家声明采用的是香港中文大学教授汤晓鸥团队授权的DeepID人脸识别技术，深究之下发现Linkface四位创始人中有两位是汤晓鸥教授的学生，可谓颇有渊源。

　　除此之外，Face++ 这家颇有口碑的公司的CEO印奇也是汤晓鸥的学生。更令人意外的是，同样专注计算机视觉和深度学习原创技术的Sensetime(商汤科技)背后的大老板正是汤晓鸥。

　　国内人脸识别领域是被汤晓鸥“承包”了吗？究竟他是何人？公开资料显示，汤晓鸥现为香港中文大学工学院副院长。而此人的科研经历包括：

　　1985年从辽宁鞍山一中进入中国科大；

　　1991年获罗切斯特大学硕士，1996年获得麻省理工学院博士；

　　2005-2007年担任微软亚洲研究院视觉计算组主任，研究领域包括多媒体、计算机视觉、模式识别及视频处理。与微软合作已申请近40 项专利。其中，微软亚洲研究院合作研发的图像识别技术已被用于微软图像搜索引擎，成为世界上第一项图像识别技术被用于大规模商业应用。

　　同时他还担任多个重要的国际会议的主席，包括计算机视觉最顶尖的国际会议ICCV和CVPR，并获得CVPR2009最佳论文奖，是CVPR 25 年历史上唯一获奖的亚洲论文.

　　汤晓鸥教授称得上是人工智能领域的重量级人物。在这个其实挺狭窄的人工智能领域，Andrew Ng(吴恩达) 、百度IDL余凯(已从百度离职)、香港中文大学教授汤晓鸥、格灵深瞳CTO赵勇被行业内认为是学术上的超级大咖，同时又都在做落地的产品。

　　汤晓鸥教授及其团队最大的研究成果是GaussianFace、DeepID、DeepID2 等一系列人脸识别技术，并且在全球最具权威的人脸识别数据库LFW(Labeled Faces in the Wild)屡屡打破记录。

　　截至去年7月份，汤晓鸥团队研发的三个人脸识别算法占据了LFW识别率的前三名，最高达到了99.15%的识别率，其中排在第四位的是Facebook的DeepFace技术(论文全文点这里)，排名见下图：

　　不过，如今记录已经被打破，占据榜首的是腾讯优图团队99.65%的识别率。

　　是否识别率高就意味着技术更成熟呢？腾讯优图团队负责人黄飞跃博士说，实验室的理论数据和实际应用还是有很大差别的，比如很相似的双胞胎、天气光线、裁剪部位的不同，对识别都会产生一定的影响。按照黄飞跃博士的看法，如今在人脸识别领域，算法已经不是门槛，最大的门槛在数据。“传统的算法已经很透明，大家从之前微软、谷歌等巨头发布的论文就可以掌握，而有相当规模和实际应用场景一致的训练数据，才能保证人脸识别算法在应用场景中效果足够好”，他说。

　　黄飞跃博士还表示，虽然目前各家的底层算法大同小异，但每一家都在发力深度学习，建立独有的网络模型，通过不断的训练和数据积累提升人脸识别的能力。所以，深度学习是未来的大趋势。

　　Facebook 在做的就是这件事，为了研究DeepFace技术，今年年初已经建立了一个来自于4030个人的440万张标签化的人脸池。Facebook 希望通过“深度学习”算法调查用户在社交网络上的行为和习惯，进而精准推送信息。

　　但问题也随着而来，长期的利用用户素材去进行训练和测试，这难免会涉及用户隐私和安全问题。所以，如何让人们相信这些数据能够真正使用户收益而不是为了获利，是包括Facebook等企业在内必然所面临的挑战。

　　而即便技术、算法解决了，人脸识别要实现真正落地，还将面临政策不开放的难题。

　　就目前来看，银行、互联网金融和安防是人脸识别最适用的场景，而“面签”，一直是商业银行触网难以跨越的鸿沟。

　　根据《个人存款账户实名制规定》(国务院令285号)等法规体系的要求，需要严格落实实名制，通过银行柜台进行开户。不过，随着人脸识别技术的不断成熟，央行今年下发的《关于银行业金融机构远程开立人民币账户的指导意见》(征求意见稿)对应用人脸识别等生物识别技术指出了明确的应用方向。

　　在最新版的指导意见征求意见稿中，远程开户对已在银行柜台有开户记录的客户可通过“交叉验证”的方式完成“身份确认”，人脸识别技术等身份识别机制可作为身份核实的辅助手段。指导意见征求意见稿还明确了通过远程渠道(线上)开设“部分功能”的电子账户，其功能大幅扩充，小额存、转、汇等业务均可办理。

　　也就是说即便你使用了“刷脸开户”，最终还是需要经过工作人员来一一核证，而且审核过程很是繁琐。

　　一位业内人士表示，人机复合模式的安全认证系统是未来发展的趋势。毕竟计算机和人擅长的工作存在本质上的差异。

　　Paypal之前就用这种人机复合模式为公司每月减少千万美金的损失。他们的做法是，计算机大量筛检可疑交易，然后人工审核其合法性。

　　新的变革总是从鸡肋开始的。“做这行的，就是相信人脸识别是一个风口，多小的尝试我们都愿意去做，而且这是对2B企业有价值的服务”，该业内人士说。

　　事实上，在人脸识别领域，我们已经不间断的看到一些成功的合作案例，比如上海依图科技和招商银行、Face++和支付宝、Linkface和京东钱包、腾讯优图和自家的微众银行、财付通等等。

　　应该有理由相信，随着深度学习的不断优化以及政策逐渐开放，人脸识别将会拥有更丰富的使用场景，真正给我们的生活带来快捷便利。不过，巨头们的入局也正在提醒创业者们：在人脸识别领域未明朗前，世界是你们的，但最终可能都是BAT的。