距马云[微博]在德国“刷脸购物”已四个月，支付宝[微博]还是没有向大众推出这一功能，这令跃跃欲试的技术控们颇感失望。
自去年末，各大互联网企业纷纷高调披露其人脸识别项目进展，百度[微博]识图、腾讯优图、阿里巴巴[微博]合作的FACE++等，带动起人工智能新一轮创投热潮。
2015年4月至5月间，川大智胜宣布投资1.76亿元开展人脸识别项目，佳都科技与关联方5000万元入股人脸识别企业，阿里巴巴合作者旷视科技获得4700万美元B轮融资……即便是只有几个人的创业公司，只要打出“人脸识别”概念，也容易受到投资者的青睐。
这项用于个人身份认证的技术，早在十年前，就渐渐渗入公众生活，然而，与互联网时代的不少新技术类似，人脸识别仍处于“做出来再说”的摸索阶段。在这“一窝蜂”的投入中，关于商业模式及发展方向，还没有什么结论。
人脸识别技术一出生就扎根于安防，现在浅尝金融支付，这意味着其需要接受的安全考验远超其他技术，而对于可能侵犯个人隐私的疑虑始终未绝。
随着人脸识别安全技术国家强制标准申报，其安全性若能保障，有望成为这一行业加速发展的契机。
定位点识别法
入境通关时，人们都会“被刷脸”，然后将数据图像转化为识别数据，与犯罪嫌疑人数据库进行比对，这样可以初步筛选出可疑对象，再结合其他相关线索的人工核查，在逃嫌疑人难免露出蛛丝马迹。
自2005年清华大学电子工程系研究成功一套大型人脸识别系统，被公安系统用于查找犯罪嫌疑人后，至2015年，各地公安部门应用人脸识别功能抓获逃犯颇为得心应手。
5月25日，上海公安局对“猎狐2015”专项行动进行总结时称，前五个月抓获的24名境外潜逃人员中，绝大多数都变换身份，其中包括更名换姓自称“失忆”的中国人，还有五次改换身份的“外籍人士”。他们中不少人曾多次回国探亲却未落网，最终在人脸识别技术成功应用后，被边检部门发现，报至公安系统落网。
“一个人可能通过整容改变面部特征，但一些重要特征很难改变，如双眼瞳孔之间的距离就是人脸识别中最稳定的特征。”一位侦查员在上述总结时称。
描述长相经常会用到国字脸、丹凤眼、吊梢眉、鹰钩鼻之类，人脸识别技术会把这些形态提取为一个个特征。在传统方法中对于这些特征的描述，比较简单的是将其标识为一个个定位点，由这些定位点组成人脸的主要轮廓和器官，一张脸上可以有上千个定位点。
曾风靡社交网络的“明星脸检测”，实质就是人脸识别技术的浅层应用。
在线测试网站上，上传照片与明星脸的对比过程中，会在人的瞳孔、鼻尖、嘴角打上标记，这些被标记的位置，往往就是用来比对人脸特征点。这些娱乐性的比对，对精准度要求不高，因而选择的是比对次数最少的五点定位法。
这些定位点不是以图的形式，而是转化为数据储存。最早于上世纪60年代末出现的人脸识别法，是通过人工标识出人脸上的各个特征后，交由机器对特征进行比对的几何法。
国内大规模应用该技术，始于2011年公安部户籍查重。当时，公安部要求各省市公安厅全部引用人脸识别系统，经该系统初筛后，再由人工确认。截至2013年，共发现和注销重复户籍79万。
在司法系统，人脸识别进一步延伸至监狱、看守所，这种智能化的管理系统可以确保工作人员、会见人员、探视人员，及其他外来人员在各自权限区域内活动，除了更方便、人性化外，还能有效避免“人治”带来的安全风险。
“深度学习”演进
人脸识别技术演进的速度很快。如果说基于二维图像识别是在地图上定位，那么人工智能的人脸识别，就是在运动的三维立体地球仪上定位。
定位点越多，越能精准验证一个人的身份。
除了五官、嘴角，还可加上人脸重要器官的边界数据，包括两侧眼角、鼻翼、嘴唇，甚至脸部轮廓、肌肉等位置都可加上定位点。麻烦是“定位点太多会牺牲效率”。上海晶软信息技术有限公司总经理罗正宽对《财经》记者说。
若仅仅用几何定位法，不但只能实现“半自动”，受比对数据的限制，错误率也会上升。因此，全球科学家们穷尽所想，发明了包括基于几何参数的，利用图像像素值建立模式等各种方法，却没有一个是完美无缺的。
一些方法对图像的质量要求较高，易受光线、环境等外部因素影响；一些则计算量较大影响效率，比如“特征脸法”、“神经网络法”识别率较高，但因计算量大，一般识别速度十分低下。
直到人工智能的“深度学习”概念带来了质变。这种深度学习系统，可能聚集了数百种算法，比如，第一层用某几种算法处理，第二层改用另几种算法。在各种计算中不断对自身进行优化，甚至细到每一张人脸，人工智能都会为其“度身定制”一套最适合的人脸识别算法。
“这种‘深度学习’不断迭代优化，且更新速度非常快，已经和传统的人脸识别完全不同，有的‘深度学习’只需提供照片，不用告诉计算机是人脸还是非人脸。” 上海洪剑智能科技有限公司总经理耿敢超告诉《财经》记者。
