人脸识别技术应用加速落地，该踩踩刹车了

• 人脸识别

对于人脸识别技术应用场景的疯狂发掘到了什么程度？

一款设置在公厕的"人脸识别取纸机"刷新了公众认知。在历经大半个世纪的技术研究、堆叠、低谷期、突破过程后，我们正在见证人脸识别技术应用落地在多场景的全面爆发。

人脸识别技术应用从梦想走进现实

在了解人脸识别技术研究发展的过往历史之前，笔者的既定认知里，人脸识别技术应用通常只会出现在科幻电影当中。直到五年前，马云在一场消费电子信息通信博览会上现场演示完成人脸识别支付才将笔者拉回现实。

现场演示环节，马云展示了支付宝的新技术"刷脸支付"，刷了自己的脸"淘"了一件礼物送给了现场嘉宾。

这应该是笔者彼时的认知里，人脸识别技术应用离我们生活场景最近的一次了。不曾想象到的是，这次"人脸支付"演示不只是打开了关乎人脸识别技术应用认知的窗口，也推开了一扇人脸识别技术应用场景迅速落地的大门。

蚂蚁金服围绕人脸识别技术应用展开了一系列的生活场景落地探索工作。2017年，杭州万象城肯德基的K PRO餐厅正式上线了刷脸支付，2年时间，刷脸支付从博览会进入公众消费视野，这是支付宝刷脸支付真正意义上的第一次商用。

同一年苹果公司的秋季新品发布会上，搭载人脸识别技术的iPhone X亮相。用户可以利用3D面部识别（Face ID）传感器，完成解锁手机、刷脸支付等操作。到了2018年，智能手机迎来了人脸识别技术应用的爆发，同时人脸识别将不再只是高端旗舰机的专属标签，带有人脸识别解锁的智能手机越来越平民化。

除了个人智能终端产品之外，凭借其在电商、安防、银行等领域的优势，人脸识别技术应用开始被广泛的应用于公共交通出行场景、线下消费支付场景、企业/住宅安全和管理场景等。

人脸识别技术应用应该刹刹车，划定好边界

人脸识别验证的过程包含人脸图像采集及检测、预处理、特征提取以及匹配与识别四部分。在算法的持续优化、数据体量的持续收集训练过程中，人脸识别技术模型变得越来越"聪明"，其识别验证的准确率也不断提高。

在这样的进化过程中，人脸识别准确率"不靠谱"的疑虑逐渐弥散。但同时，一个新的问题引发思考——人脸生物数据具备唯一性，这些数据的泄露或将意味着人脸识别的安全性变得"不安全"。加上人脸识别技术滥用现象下，我们该如何保障自身信息隐私？

人脸图像生物数据具备唯一性，这是人脸识别技术能落地的基本衡量要素。凭借唯一性的生物数据，在人脸识别的过程中完成比对、验证。正因为唯一性且作为生物数据的拥有者大概率不会通过面部重塑来改变人脸图像数据，一旦面临数据泄露，或将面临"死局"，字符类数据倒是可以修改一个，人脸图像数据怎么修改？

在"男子戴头盔进入售楼部"、"人脸识别取纸机"这样人脸识别技术滥用的现状下，人脸图像数据的收集显得毫无门槛，那么谁来负责这些数据的安全性？谁又来保护我们的信息隐私呢？

技术是无罪的，但是对于技术的应用权限、场景探索应该划定好边界，制定标准。加速落地的人脸识别技术应用该刹刹车了。

文 丨 李民民 丨大叔丨 科技发烧友丨撰稿人 丨 伪设计师