一、生物特征識別技術
　　
　　生物特征識別技術是通過計算機利用人體所固有的生理特征或行為特征來進行個人身份鑒定。生理特征與生俱來多為先天性的；行為特征則是習慣使然，多是后天性的。我們將生理和行為特征統稱為生物特征。常用的生物特征包括:指紋、掌紋、虹膜、視網膜、人臉、聲音、筆跡等。
　　
　　那么，生物特征識別技術是如何進行個人特征識別的呢?
　　
　　我們將生物鑒別的過程分成三個步驟:生物特征數據采樣、生物特征提取和特征匹配。數據采樣過程是通過各種傳感器對生物特征進行原始數據采集的過程，生物特征提取過程則從傳感器采集的數據中抽取出反映個體特性的信息(通常是某種數學上的編碼過程)，匹配階段則是計算生物特征之間的相似性并進行排序和一致性判斷的過程。
　　
　　生物特征識別技術主要有人臉識別、指紋識別、語音識別、虹膜識別等。生物識別技術在上個世紀己經有了一定的發展，其中指紋識別技術己經趨近成熟，但人臉識別技術的研究目前還處于起步階段。人臉識別則可以用已有的照片或是攝像頭遠距離捕捉圖像，無須特殊的采集設備，系統的成本低。并且自動人臉識別可以在當事人毫無察覺的情況下即完成身份確認識別工作，這對*怖活動等有非常重大的意義。
　　
　　二、人臉識別技術概述
　　
　　人臉識別的目的是讓計算機具有通過人臉的特征來鑒別身份的功能。基于人臉特征的身份識別主要設計到復雜場景中的人臉檢測及識別技術，是一種依托于圖像理解、模式識別及計算機視覺、統計學和人工智能等高技術的研究方向。
　　
　　人臉識別技術特別是比對算法成熟度自2014年后，呈現可初步應用實戰效果。特別是2015年后國內算法逐漸傾向通過深度學習（deeplearning）技術實現人臉識別算法深化應用，識別效果比之前更加突出。可以說自2016年后國內的人臉識別算法都與基于神經網絡的深度學習技術密不可分。
　　
　　三、人臉識別技術的價值
　　
　　在不同的生物特征識別方法中，人臉識別有其自身特殊的優勢，因而在生物識別中有著重要的地位。在典型應用環境下，人臉識別技術的識別精度可以達到與指紋識別技術相當的程度，而其用戶友好性明顯要高于其它的幾種生物特征識別技術。其價格適中和*的性能更能獲得用戶的認可。同時，人臉識別技術可以實現與數字監控系統的無縫集成，從而為*電子眼交通系統、平安城市監控系統提供良好的審計、核查機制，大大地提高了系統的安全性和易用性。
　　
　　基于指紋識別技術的系統從實際應用來看，還存在著如下幾個方面的問題：
　　
　　1.實驗表明，指紋存在著被他人復制的可能，這無疑降低了系統的安全性；
　　
　　2.要求用戶配合程度高，在指紋采集過程中需要直接接觸指紋采集儀，易產生被侵犯的感覺，導致用戶對指紋識別技術的接受度降低；
　　
　　3.部分用戶的指紋難以采集，存在著較高的系統拒絕錄入率問題；
　　
　　基于掌形、虹膜識別技術的識別精度比指紋識別技術要高，但仍存在著要求用戶配合的問題，要使用設備、價格昂貴等缺點，難以成為市場主流產品。
　　
　　四、人臉識別技術在各行業中的應用
　　
　　目前人臉識別技術已廣泛應用于各個行業，如：金融VIP客戶訪客系統、遠程開戶系統；樓宇人臉門禁、人臉考勤系統；互聯網移動支付終端、交友、相親終端APP系統；工業/民用智能機器人產品等。
　　
　　以民用智能機器人為例，浙江大華公司近期推出育兒機器人產品（如圖1所示），通過機器人實現人臉檢測、跟蹤、識別技術。根據簡單的人臉設置和語音留言設置默認接受者“主人”，機器人啟動后即可識別不同的人臉叫出不同的名字，也可以更好地根據位置追蹤人臉，機器人可以始終對著用戶的方向轉動，科技感和互動感十足。

　　
　　而人臉識別技術應用和的即為*領域，目前多地*通過人臉識別系統結合當地警務實際應用需求，“開創”了多項業務應用和專項整治活動。
　　
　　五、*行業人臉識別應用現狀
　　
　　*實戰需求大致可分為對車、對人、對物的研判要求。而現如今的技術發展，*行業已基本解決車牌緝查布控這類基礎需求，轉而要求解決假套牌、入城、車輛特征識別等上層技戰法深度應用需求；對物目前于排查、丟失、挪動等初步應用，仍舊缺乏物體深度智慧應用；對人的需求則更為廣泛，從人的衣物顏色、方向、速度到體貌、表情、步態的要求，其中zui為熱門、zui有發展前景就是人臉識別應用。近幾年，人臉識別在*行業已“悄然”應用，并成功系統化、應用化、實戰化。
　　
　　*人臉識別應用一般分為三種類型：一是實現“關注”人員的實時預警，通過視頻監控前端不斷采集視頻，后端以人臉識別技術為核心進行“關注”人員比對，并通過報警方式通知現場警員進行目標抓捕；二是實現事中、事后人員身份核查，需要后端系統對海量二代*庫進行“打標簽”、通過*智能終端或系統上傳目標人臉圖片，后端從海量的二代*庫中尋找匹配的*圖片，并給出關聯的身份信息；三是實現人員身份核查，即通過人臉識別技術實現手持*的人員和*的比對，進行人證合一的審查。
　　
　　以福建某地市為例，當地*即通過人臉識別手段，對當地闖紅燈行人進行抓拍，并將抓拍照片與全省常駐人口進行比對，并將每日的比對結果進行公眾號展示，有效遏制行人闖紅燈違法行為，實現全國*行“人闖紅燈人臉抓拍曝光系統”（如圖2所示）。

　　
　　六、*領域人臉識別技術的未來
　　
　　現今，我國二代證的普及使中國約14億人的身份信息有了數碼照片數據，有數據表明，全國14億人口中有12個人和你長得幾乎一模一樣，數據應用已逐漸突破現今人類認知水平，同時平安城市聯網的數百萬臺監控攝像機每天也產生著海量的數據信息，這些數據存在大量有待挖掘的應用價值。種種跡象表明，*想要跨入大數據應用時代，人臉識別技術想要在*行業成熟落地，一些傳統技術瓶頸逐步顯現，響應速度越來越慢，有些應用場景已經*不能支撐。
　　
　　*大數據應用背景給人臉識別應用帶來了機遇，同時也給人臉識別技術提出了更高的要求。雖然人臉識別技術性能已有較大提高，但它仍是在模式識別和計算機視覺等領域zui困難的問題之一。如何利用人臉識別技術將這些海量照片數據利用起來，提升整個*信息化的管理水平，已經是擺在我們面前的一個重要問題。
　　
　　1.對人臉識別的比對容量要求更大、度要求更高
　　
　　目前*的戶政管理、出入境、刑偵嫌疑犯的身份識別等各類應用，需要基于全國人臉數據進行識別，處理的數據庫容量上億或十億，處理的比對請求數量大、模式不統一，快速準確地從如此規模數據庫中快速識別身份是一件非常有挑戰的任務。
　　
　　2.系統輸入從單純的靜態圖片擴展到動態視頻
　　
　　近年來，全國各地*機關大力開展視頻監控系統建設，據不*統計，全國每年需要存儲的數據量高達3.3EB，結合視頻監控和人臉識別，實現**的快速識別和實時布控，是提高視頻監控效率的一條重要途徑。然而，由于人臉識別視頻監控面臨光線、角度、姿態、遮擋等一系列因素的影響，導致人臉的類內差距增大、類間差距縮小，給結合視頻監控的人臉識別帶來了巨大挑戰。
　　
　　3.圖像來源更加廣泛、圖像質量差異較大
　　
　　通過“金盾工程”建設，*已經成功建設了八大資源庫，積累了海量的數據，為人臉識別技術在公共安全領域的廣泛應用奠定了基礎。然而，由于缺乏統一的建設標準，各類業務中人臉數據質量差異大，給人臉識別應用造成了難度。
　　
　　在*傳統偵查工作方式中，照片比對只能依靠人工方式進行，工作量巨大、速度慢、效率低、無法適應業務需要。人臉識別系統所具備的高速自動識別能力很大程度上可以將*、安全部門從以往的“人海戰術”中解脫出來，大大提升整個國家、社會的安全防范水平，從而達到威懾*、懲治罪犯、維護社會穩定、保障國家安全的目的。
　　
　　結束語
　　
　　伴隨著人臉識別技術的快速發展，標準制定也逐漸展開。安防生物特征標委會（SAC/TC100/SC2）在近幾年也制定了多項人臉智能化標準，例如GBT31488-2015、GAT1093-2013等。但人臉識別技術研究仍未結束，當前*業務中，人臉識別技術已涵蓋包括出入境管理、戶籍查重、人證核查等。但這依舊于圖像質量可控的情況下，在*應用更為廣泛的視頻監控場景下，人的姿態、表情、光照變化都很大。
　　
　　為更好地適應*場景，單單依靠一項技術、一款產品還遠遠不能滿足*需求，必須尋求綜合的解決方案提供商，通過整體方案角度適配*場景要求，以滿足不同的業務需要。而*領域對人臉識別技術的迫切、廣泛的需求，也將進一步推動人臉智能化的研究和應用的發展。