一、生物特征识别技术 生物特征识别技术是通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定。生理特征与生俱来多为先天性的；行为特征则是习惯使然，多是后天性的。我们将生理和行为特征统称为生物特征。常用的生物特征包括:指纹、掌纹、虹膜、视网膜、人脸、声音、笔迹等。
那么，生物特征识别技术是如何进行个人特征识别的呢?
我们将生物鉴别的过程分成三个步骤:生物特征数据采样、生物特征提取和特征匹配。数据采样过程是通过各种传感器对生物特征进行原始数据采集的过程，生物特征提取过程则从传感器采集的数据中抽取出反映个体特性的信息(通常是某种数学上的编码过程)，匹配阶段则是计算生物特征之间的相似性并进行排序和一致性判断的过程。
生物特征识别技术主要有人脸识别、指纹识别、语音识别、虹膜识别等。生物识别技术在上个世纪己经有了一定的发展，其中指纹识别技术己经趋近成熟，但人脸识别技术的研究目前还处于起步阶段。人脸识别则可以用已有的照片或是摄像头远距离捕捉图像，无须特殊的采集设备，系统的成本低。并且自动人脸识别可以在当事人毫无察觉的情况下即完成身份确认识别工作，这对*怖活动等有非常重大的意义。
二、人脸识别技术概述
人脸识别的目的是让计算机具有通过人脸的特征来鉴别身份的功能。基于人脸特征的身份识别主要设计到复杂场景中的人脸检测及识别技术，是一种依托于图像理解、模式识别及计算机视觉、统计学和人工智能等高技术的研究方向。
人脸识别技术特别是比对算法成熟度自2014年后，呈现可初步应用实战效果。特别是2015年后国内算法逐渐倾向通过深度学习（deeplearning）技术实现人脸识别算法深化应用，识别效果比之前更加突出。可以说自2016年后国内的人脸识别算法都与基于神经网络的深度学习技术密不可分。
三、人脸识别技术的价值
在不同的生物特征识别方法中，人脸识别有其自身特殊的优势，因而在生物识别中有着重要的地位。在典型应用环境下，人脸识别技术的识别精度可以达到与指纹识别技术相当的程度，而其用户友好性明显要高于其它的几种生物特征识别技术。其价格适中和优越的性能更能获得用户的认可。同时，人脸识别技术可以实现与数字监控系统的无缝集成，从而为*电子眼交通系统、平安城市监控系统提供良好的审计、核查机制，大大地提高了系统的安全性和易用性。
基于指纹识别技术的系统从实际应用来看，还存在着如下几个方面的问题：
1.实验表明，指纹存在着被他人复制的可能，这无疑降低了系统的安全性；
2.要求用户配合程度高，在指纹采集过程中需要直接接触指纹采集仪，易产生被侵犯的感觉，导致用户对指纹识别技术的接受度降低；
3.部分用户的指纹难以采集，存在着较高的系统拒绝录入率问题；
基于掌形、虹膜识别技术的识别精度比指纹识别技术要高，但仍存在着要求用户配合的问题，要使用设备、价格昂贵等缺点，难以成为市场主流产品。
四、人脸识别技术在各行业中的应用
目前人脸识别技术已广泛应用于各个行业，如：金融VIP客户访客系统、远程开户系统；楼宇人脸门禁、人脸考勤系统；互联网移动支付终端、交友、相亲终端APP系统；工业/民用智能机器人产品等。
以民用智能机器人为例，浙江大华公司近期推出育儿机器人产品（如图1所示），通过机器人实现人脸检测、跟踪、识别技术。根据简单的人脸设置和语音留言设置默认接受者“主人”，机器人启动后即可识别不同的人脸叫出不同的名字，也可以更好地根据位置追踪人脸，机器人可以始终对着用户的方向转动，科技感和互动感十足。
图1育儿机器人产品
而人脸识别技术应用和的即为*领域，目前多地*通过人脸识别系统结合当地警务实际应用需求，“开创”了多项业务应用和专项整治活动。
五、*行业人脸识别应用现状 *实战需求大致可分为对车、对人、对物的研判要求。而现如今的技术发展，*行业已基本解决车牌缉查布控这类基础需求，转而要求解决假套牌、入城、车辆特征识别等上层技战法深度应用需求；对物目前于排查、丢失、挪动等初步应用，仍旧缺乏物体深度智慧应用；对人的需求则更为广泛，从人的衣物颜色、方向、速度到体貌、表情、步态的要求，其中zui为热门、zui有发展前景就是人脸识别应用。近几年，人脸识别在*行业已“悄然”应用，并成功系统化、应用化、实战化。
*人脸识别应用一般分为三种类型：一是实现“关注”人员的实时预警，通过视频监控前端不断采集视频，后端以人脸识别技术为核心进行“关注”人员比对，并通过报警方式通知现场警员进行目标抓捕；二是实现事中、事后人员身份核查，需要后端系统对海量二代*库进行“打标签”、通过*智能终端或系统上传目标人脸图片，后端从海量的二代*库中寻找匹配的*图片，并给出关联的身份信息；三是实现人员身份核查，即通过人脸识别技术实现手持*的人员和*的比对，进行人证合一的审查。
以福建某地市为例，当地*即通过人脸识别手段，对当地闯红灯行人进行抓拍，并将抓拍照片与全省常驻人口进行比对，并将每日的比对结果进行公众号展示，有效遏制行人闯红灯违法行为，实现全国*行“人闯红灯人脸抓拍曝光系统”（如图2所示）。
图2人脸抓拍曝光系统
六、*领域人脸识别技术的未来
现今，我国二代证的普及使中国约14亿人的身份信息有了数码照片数据，有数据表明，全国14亿人口中有12个人和你长得几乎一模一样，数据应用已逐渐突破现今人类认知水平，同时平安城市联网的数百万台监控摄像机每天也产生着海量的数据信息，这些数据存在大量有待挖掘的应用价值。种种迹象表明，*想要跨入大数据应用时代，人脸识别技术想要在*行业成熟落地，一些传统技术瓶颈逐步显现，响应速度越来越慢，有些应用场景已经*不能支撑。
*大数据应用背景给人脸识别应用带来了机遇，同时也给人脸识别技术提出了更高的要求。虽然人脸识别技术性能已有较大提高，但它仍是在模式识别和计算机视觉等领域zui困难的问题之一。如何利用人脸识别技术将这些海量照片数据利用起来，提升整个*信息化的管理水平，已经是摆在我们面前的一个重要问题。
1.对人脸识别的比对容量要求更大、度要求更高
目前*的户政管理、出入境、刑侦嫌疑犯的身份识别等各类应用，需要基于全国人脸数据进行识别，处理的数据库容量上亿或十亿，处理的比对请求数量大、模式不统一，快速准确地从如此规模数据库中快速识别身份是一件非常有挑战的任务。
2.系统输入从单纯的静态图片扩展到动态视频
近年来，全国各地*机关大力开展视频监控系统建设，据不*统计，全国每年需要存储的数据量高达3.3EB，结合视频监控和人脸识别，实现**的快速识别和实时布控，是提高视频监控效率的一条重要途径。然而，由于人脸识别视频监控面临光线、角度、姿态、遮挡等一系列因素的影响，导致人脸的类内差距增大、类间差距缩小，给结合视频监控的人脸识别带来了巨大挑战。
3.图像来源更加广泛、图像质量差异较大
通过“金盾工程”建设，*已经成功建设了八大资源库，积累了海量的数据，为人脸识别技术在公共安全领域的广泛应用奠定了基础。然而，由于缺乏统一的建设标准，各类业务中人脸数据质量差异大，给人脸识别应用造成了难度。
在*传统侦查工作方式中，照片比对只能依靠人工方式进行，工作量巨大、速度慢、效率低、无法适应业务需要。人脸识别系统所具备的高速自动识别能力很大程度上可以将*、安全部门从以往的“人海战术”中解脱出来，大大提升整个国家、社会的安全防范水平，从而达到威慑*、惩治罪犯、维护社会稳定、保障国家安全的目的。
结束语 伴随着人脸识别技术的快速发展，标准制定也逐渐展开。安防生物特征标委会（SAC/TC100/SC2）在近几年也制定了多项人脸智能化标准，例如GBT31488-2015、GAT1093-2013等。但人脸识别技术研究仍未结束，当前*业务中，人脸识别技术已涵盖包括出入境管理、户籍查重、人证核查等。但这依旧于图像质量可控的情况下，在*应用更为广泛的视频监控场景下，人的姿态、表情、光照变化都很大。
为更好地适应*场景，单单依靠一项技术、一款产品还远远不能满足*需求，必须寻求综合的解决方案提供商，通过整体方案角度适配*场景要求，以满足不同的业务需要。而*领域对人脸识别技术的迫切、广泛的需求，也将进一步推动人脸智能化的研究和应用的发展。
