2023-2024赛季球队赛程/中国乒乓球教练/湖人拿过几次总冠军/英乙

keywords： 合肥監控系統   小區監控安裝    安防監控   弱電安裝    合肥弱電公司    攝像頭監控   視頻監控系統    安裝監控   系統集成商     幼兒園監控安裝     合肥監控攝像頭  

      開創了生物識別技術落地應用先河的指紋識別技術剛登場時風頭無限，數不清的企業入局、拓展應用，做到后來，慢慢發現，好像指紋識別技術再怎么擴展也就只能做個驗證模塊，適用面廣不假，市場需求量大不假，但是總在這一畝三分地里玩兒，好像不怎么盡興。而后被提出的指靜脈識別、掌紋識別技術，安全性是更高了，作為驗證模塊也更讓人放心，但冥冥中有個聲音越來越大：生物識別技術不該只是為了驗證而存在啊！

      再到后來，“接觸式”和“非接觸式”生物識別技術的概念被人熟知，指紋、指靜脈、掌紋被歸類為“接觸式”，而人臉、虹膜、步態等被歸類到了“非接觸式”里。從那時起，人們就在探討兩類生物識別技術的異同與應用場景的差異。

     近年來，隨著前端設備超高清化的普及，“非接觸式”生物識別技術正在逐步落地。其中，人臉識別技術被寄予了更多厚望。

      狹義上的“刷臉”，廣義上的“人臉識別”

     說起人臉識別，可能大部分人想到的會是刷臉開門禁、刷臉支付、刷臉解鎖手機，也可能有一部分人體驗過刷臉進火車站、登機的高科技，如果還有人知道刷臉取錢、刷臉當電子身份證，那已經是了不起的“消息通”了。然而，這些就是人臉識別的全貌嗎？當然不是，這些只是狹義上的“刷臉”。

     本文一開篇就提到了“可能再也沒有一項生物識別技術如人臉識別被大規模應用時這樣備受關注了。”如果說的只是“刷臉”的話，那它和其他生物識別技術沒太大區別：不都是驗證嗎？但要是說到人臉識別，那就不一樣了。

       與大數據的結合，使人臉識別技術有了更廣泛的應用。以公安應用為例，公安部門在查辦案、處理事務時常常會遇到一些不明身份的人員，比如走丟的老人、小孩，拒不交代身份的嫌疑犯，無人認領的尸體等。這時傳統的方法往往不能解決問題。利用人臉檢索系統，將目標人臉輸入到系統中。系統自動在海量人口數據庫中進行查找比對，列出前若干名相似的人員信息。然后再通過人工干預的方式，對系統結果進行篩選，得到目標的真實身份。

      在這一個應用的背后，是人臉識別技術日益成熟的標志，作為自帶AI落地基因的安防行業（數據大、高試錯容忍度），這幾年，天網工程廣泛鋪開、智能系統全局應用，城市秩序得到了更為高效的管理和防護，民生需求得到了更為及時的處理和反饋，違反亂紀的行為能被精準識別和處罰。

      與此同時，人臉識別應用也在受著非議

      6月21日，《華爾街日報》發表的一則文章認為，盡管亞馬遜CEO貝索斯表示，將抵制試圖從該公司所生產設備中獲取個人信息的政府調查人員，但該公司卻在向私企和執法機構等推銷人臉識別技術，許多人認為，這一技術的使用將威脅到個人隱私。

      在他們看來，將人臉識別技術應用到前端視頻監控攝像機上，可能會打破隱私及實用性之間的平衡。假設美國警方有若干臺這樣的安防攝像機，同時擁有可疑人員的“黑名單”照片庫，那么其他任何人如果與這些可疑人員有一些相像，一旦進入警察的安防攝像機的鏡頭之內，都有可能受到警務人員的盤問。而大多數美國人不希望生活在那樣的世界里。

       前段時間，一個人臉識別揭示罪犯長相的研究也引起了軒然大波。上海交通大學的研究人員收集了1856個18-55歲的中國公民照片，不同種族、性別、年齡甚至是不同的面部表情，其中選取的730人均是已定罪的罪犯，隨后利用人工智能技術對犯罪進行研究，并終得出結論：

     犯人上唇的彎曲度會比普通人平均高出23%；

     犯人雙眼內眼角之間的距離比普通人窄6%；

     犯人的鼻尖與嘴角之間形成的角度比普通人小20%。

     計算機通過4種算法對這些公民面部特征進行分析，推斷出罪犯的共同面部特征。論文結論：人工智能根據長相找出罪犯的準確性高達89.51%。

     這一高科技研究一經披露，立即遭到網友的指責，認為如果這項技術應用于現實世界，很有可能讓好人蒙受不白之冤，而讓真正的壞人逍遙法外。

     如果說前面兩件事是隱私上的問題，那么下面這件就是技術上的問題了。

     近有文章指出如今非常熱門的AI應用人臉識別，針對不同種族的準確率差異巨大。其中，針對黑人女性的錯誤率高達21%-35%，而針對白人男性的錯誤率則低于1%。

     對此，有相關產品廠商回應稱，深膚色人種識別錯誤率高是普遍現象，一是深色人種數據集的缺乏，二是深色人種人臉特征較難提取。

    反人臉識別產品問世

    近日，多倫多大學教授ParhamAarabi和他的研究生AvishekBose開發了一種算法，通過對圖像進行“光轉換”，可以動態地破壞人臉識別系統。

     這位大學教授也是基于隱私問題，給出了發明該產品的原因，“隨著人臉識別技術越來越先進，個人隱私成為了一個真正急需解決的問題，這就是反人 臉識別系統被研發的原因，也是該系統的用武之地。”

     根據Aarabi的說法，他們主要采用了對抗訓練（adversarialtraining）技術，使得兩個神經網絡相互對抗，一個神經網絡從數據中獲取信息（人臉數據），另一個神經網絡試圖去破壞第一個神經網絡執行的任務。

     據悉，他們的算法是在包含不同種族，不同光照條件和背景環境下的超過600張人臉照片的數據集上進行訓練的（業界標準庫），兩個神經網絡相互對抗會發形成一個實時的“過濾器”，它可以應用到任何圖片上。因為它的目標——圖像中的單個像素是特定的，改變一些特定像素，肉眼是幾乎無法察覺的。比如說檢測網絡正在尋找眼角，干擾算法就會調整眼角，使得眼角的像素不那么顯眼。算法在照片中造成了非常微小的干擾，但對于檢測器來說，這些干擾足以欺騙系統。

     其實，破壞人臉識別產品識別率的產品并不少見。早在2016年，卡內基梅隆大學的研究人員就設計了一種眼鏡框，可以誤導面部識別系統，使其產生錯誤的識別。

     總結

     關于人臉識別的熱點，筆者粗略講了一遍，你要問我怎么看，我會說：陽光之下并無新事，大數據時代也沒有太多隱私，關鍵還得看企業的道德觀和政府的監管。至于反人臉識別系統和人臉識別技術的斗法，筆者很高興看到這種事的發生。一矛一盾，互為博弈，才能查漏補缺、完善技術。