走在路上能被識別人臉，該為高科技而喜還是為隱私而憂？

04-19

You』ll never find us. But victim or perpetrator, if your number is up, we』ll find you.
你永遠找不到我們。但無論是受害人還是行兇者，只要你的號碼被列出來，我們就會找到你。

引子

4 月春光明媚，下班去公交車站的路上，筆者的同事掏出了口罩，把臉捂得嚴嚴實實。

——過敏了？

——不是。

說話間，他指了指面前的紅燈，還有一位正在闖紅燈的大媽。隨後跟我說，最近上海越來越多不守規則闖紅燈的行人都收到了上海交警的簡訊提醒，提示號主某年某日在某條街道不按人行橫道信號燈標識通行，行為違法且被交通技術監控等設備記錄，要求號主儘快接受處理。

同事感嘆說，現在技術日新月異，走大路上都無時無刻處於攝像頭之下。為了保護好自己的隱私，路上還是戴口罩的好。可是我卻只能很遺憾地告訴他，警方都表過態，即使是在黑夜裡，即使戴上了口罩，高清攝像頭加上人臉識別等技術，還是能在茫茫人海中鎖定你。

廣泛應用的的人臉識別

從2015年到2017年，人臉識別技術經歷了從快速落地到多領域應用的井噴式發展。如你所知，現在iPhone X 可以刷臉解鎖，坐車、支付能刷臉，走在路上也離不開刷臉。時至今日，「刷臉」已經融入到人們生活的方方面面，在金融、交通、教育、安防、社保等領域發揮著重要作用。

比起虹膜識別、指紋識別、聲音識別等生物識別技術，人臉識別以其獨特的特徵獲取了廣泛的市場認可。早期面部識別軟體的技術不夠成熟，容易受到光線、方向或遮擋物等的影響，導致對比結果不標準。但經過不斷的發展與改進，如今的技術已經相當高端，3D 感測器捕捉人臉信息、多攝像頭多方位捕捉、皮膚紋理分析乃至熱成像相機獲取數據等方法都運用到了人臉識別中。

人臉識別的技術實現

人臉識別中的關鍵環節有三點。首先是人臉檢測（Face Detection），即在動態的場景與複雜的背景中，判斷是否存在面像，並分離出這種面像。人臉檢測是人臉識別中的一項關鍵技術，其方法一般包括基於結構特徵的方法，即通過膚色、輪廓、紋理、結構或者直方圖特徵等進行人臉檢測；或基於統計的方法，即通過對於「人臉」和「非人臉」的圖像大量搜集構成的人臉正、負樣本庫，採用統計方法強化訓練識別系統，從而實現對人臉和非人臉的檢測與分類。常見演算法如下：

AdaBoost和Cascade演算法
二進小波變換
基於直方圖粗分割和奇異值特徵的演算法

人臉檢測之後的步驟就是人臉配准（Face Alignment），一旦系統檢測到人臉，就會確定頭部的位置、大小和姿勢，根據預先設定好的數值，通過深度學習框架，來定位人臉上的五官關鍵點。

具體而言，每張臉都有眾多可區分的特徵，像地球表面的地標一樣構成臉部特徵的不同高峰和低谷。這些地標定義為節點。每個人臉都有大約80個節點，而一些人臉識別軟體測量的特徵主要為：

眼距
鼻子的寬度
眼窩深度
顴骨的形狀
下頜線長度
……

測量完這些節點之後，系統以精確到亞毫米（甚至微波）級別的精度來測量面部曲線，創建模板，模板（數據）可以轉變為唯一數值代碼，最終存儲為面部印記，為資料庫中的人臉創建特徵。

第二個關鍵環節是特徵匹配（matching）。

如果抓取到的圖像是3D圖像，並且資料庫中包含3D圖像，就可以直接實現匹配，且不會對圖像進行任何更改。不過，很多資料庫中的內容還是 2D 的圖像，這就需要將抓拍的 3D 圖像進行一定的處理。目前常用的技術是，拍攝3D圖像時，會重點識別不同的點（例如，重點測量眼睛外側、眼睛內側和鼻尖等）。獲取測量數據之後，可以使用一些演算法把 3D 圖像轉換為二維圖像，再與資料庫中的2D圖像進行比較和匹配。

第三個環節就是驗證和鑒定（Face Verification and Identification）。

如果是驗證（ Verification），圖像僅與資料庫中的一個圖像匹配（1：1），來確認身份。而如果是為了鑒定，則圖像會與資料庫中的所有圖像進行比較，得到匹配評分（1：N）。兩種情況下，一般都會設置一個匹配度閾值。在驗證中，如果圖像與資料庫中對應圖像的匹配度高於閾值，則為同一人，否則不是。在鑒定中，如果圖像與資料庫中某個圖像的相似度高於閾值，則返回該圖像在資料庫中對應的身份。

有時候，圖像不清晰或者其他原因會導致驗證或鑒定失敗。此時，使用皮膚生物測量技術分析比對皮膚紋理，則有助於提升驗證準確性。皮膚紋理分析的工作方式與面部識別相同，也是利用演算法將獲取皮膚特徵印記並轉換為數字代碼，形成特徵模板。據稱，皮膚紋理分析可以識別同卵雙胞胎之間的差異。通過將面部識別與表面紋理分析相結合，準確識別率可以增加20％到25％。

人臉識別技術的現實應用

人臉識別在現實生活中已經有很多應用，以iPhone X的Face ID技術為例：用戶可以通過手機相機中映射的人臉來解鎖手機，其識別軟體採用3-D建模設計，可防止被照片或面具欺騙，捕捉並比較超過30,000個變數，最終進行驗證。不過，iPhone 剛熱銷那段時間，關於 Face ID 的可靠性與安全性質疑也甚囂塵上。釣魚攻擊、惡意圖像攻擊、運行時篡改，甚至圖像盜竊等猜測都曾出現在探討話題中。

回到文章開頭，人臉識別在交通、安防領域的應用也早已成熟。早在 2001 年，美國弗羅里達州的 Tampa 警察局就部署過帶有人臉識別功能的警用相機。時至今日，美國、澳大利亞、紐西蘭、英國等國家的交通系統都部署了較為成熟的人臉識別技術。在中國，火車站、港口、機場以及多個城市的路口也都部署了帶有人臉識別技術的攝像頭，用於追蹤罪犯，檢測違法違規行為，並取得了一定成效。

隨之而來的隱私保護擔憂

2018 年 3 月份，深圳行人過馬路闖紅燈曝光台引起了廣泛關注和探討。剛剛上線時，在其曝光台官網上曝光的信息包括具體地點、時間、違法行人的姓名、身份證號以及路口攝像頭抓拍的違法瞬間的照片。這些信息都沒有經過打碼等任何技術處理，直接展示在頁面上。由於網站為公開訪問，所以這樣很容易造成公民隱私泄露，而在有輿論反饋這個問題後，頁面已經有所調整，將姓名、身份賬號隱藏部分信息，且將抓拍到的行人面部打碼。但這依然引起了大眾的擔憂。

有律師表示，交警曝光行人闖紅燈行為在法律上尚未有明確規定，不能算作是有法可依，最多只能從情理上起到震懾作用。這其實對被曝光者的權益造成了一定影響。

而從另一個層面來說，路上抓拍到違法者照片然後能迅速識別出其身份，匹配到姓名、身份證號信息，甚至發送簡訊，這背後龐大的資料庫信息「功不可沒」。

根據警方介紹，「電子警察」或人臉識別攝像頭會預設正常交通流量，如果有逆行、闖紅燈等行為觸發，就會從監控視頻中截取違法者的幾張圖片作為證據，並獲取一張清晰正臉圖與資料庫進行匹配。隨後，民警會對相似度在 90% 以上的信息進行人工核實，再確定當事人身份。一般情況下，如果行人或駕駛者待頭盔、墨鏡或口罩等干擾，只要不是全臉都遮擋，還是可以通過抓拍的圖片與資料庫對比，進而確認身份。

早在 2016 年，美國聯邦調查局（FBI）就開發了一個龐大的人臉識別系統，獲得高達 41.1 億照片的訪問許可權。而且 FBI 還基於照片庫建立了一個名為「下代識別」（ Next Generation Identification）的資料庫。當時 FBI 通過與幾個洲「交換合作」才拿到這麼多照片資源，分別來自國務院簽證和護照資料庫、國防部生物識別資料庫以及多個駕駛執照資料庫。而按照律法，FBI 原本無權訪問任何一個州的數據。如果需要建立這種系統，是需要向公眾發布公告的。此外，目前的人臉識別系統也尚未配備內部監督機制，不能防止任何濫用。當時，美國公民也對FBI此舉侵犯到自己隱私權利而擔憂不滿，卻也無可奈何。

在中國，類似問題也無法忽視。公民的身份證信息、實名購買車票機票、出入境登記、支付渠道的人臉和身份驗證等，都能成為交通部門匹配、識別的資料庫。在到處都要實名的今天，我們的身份無處可藏。只能期待手握龐大身份資料庫的各大機構和組織，能妥善地保護好這些信息。讓人們走路不再提心弔膽，而是能在路口那些有著各種功能的電子公示牌前開心地互動。

圖片來源： VICE

參考來源

人臉檢測演算法對比分析 - CSDN博客

How Facial Recognition Systems Work