人臉識別在移動設備支付系統中的應用

胡趙宇

【摘要】 隨著科學技術的進步，人們的消費習慣和支付方式都發生了巨大的改變，用手機這一移動設備進行在線支付，已然成為我們日常消費中的一大主要組成部分。本文以人臉識別技術在手機支付系統中的應用為例，分析人臉識別技術的原理和工作過程，以及對該技術進行展望，加深對人臉識別技術的理解。

【關鍵詞】 人臉識別 圖像處理 技術原理 系統應用

一、人臉識別發展與現狀

人臉識別是指從輸入端獲取的人臉圖像經過一系列算法處理，與系統圖像庫的圖像進行匹配分析，以實現身份認證的過程。它的研究擁有著一百多年的歷史經驗。1888年，Galton在《Nature》雜志上發表了一篇利用人臉進行身份識別的文章，從此開啟了人類對人臉識別的研究。自動人臉識別的技術研究論文最早發表于1965年，經過50多年的發展，人臉識別技術融合數字圖像處理、計算機圖形學、模式識別、計算機視覺、人工神經網絡和生物特征等多個學科的理論和方法，技術日趨成熟。尤其是近二十年間，人臉識別技術突飛猛進，每年都有技術上的研究突破和大量的學術論文產出。人臉識別的發展進程根據時間線可分為三個階段：

第一階段：1964年-1990年期間。這一階段的研究屬于人臉識別的初步探索時期，將人臉識別當成是一般性的模式識別問題來研究，涉及的主要技術方案是基于人臉幾何結構特征的方法。人臉幾何特征表示的是人臉的五官及五官之間的距離關系的位置信息。人的五官具有天生的生物獨特性和結構獨特性，每個人的五官都不盡然相同，結合五官的特性和他們之間的位置關系來表示不同人臉，是非常有效的特征信息。但是這一階段研究的人臉識別過程需要全程由操作人員手動操作，無法實現自動地識別人臉。

第二階段：1991年-1997年期間。這一階段的研究屬于人機交互式研究階段，主要使用人的臉部特征參數來表示人臉正面圖像信息。雖然只有短短六年時間，但是人類研究出大量代表性的人臉識別算法，并且商業化運作的人臉識別系統開始涌現，這一切將人臉識別技術推入快速發展浪潮。但是此階段依然需要操作人員的先驗知識，不能達到完全自動識別人臉。

第三階段：1998年至今。這一階段屬于機器識別階段。近些年，隨著高效圖像識別算法的出現和計算機性能的不斷優化，人臉識別技術取得了重大突破。2016年被稱為“人工智能元年”，人工智能各個領域全面開花，人臉識別作為其研究的重要領域，也取得了令人矚目的成就。

二、移動設備支付系統中的人臉識別

2015年3月，在德國漢諾威消費電子、通信及信息技術（CeBIT）博覽會上，馬云現場演示了支付寶新技術“Smile to Pay（刷臉支付）”，驚艷世界，掀起了一股在手機端“刷臉支付”的熱潮。人臉識別在移動設備支付系統中主要分為前端的人臉圖像獲取、后端的人臉識別（如下圖所示）。

2.1移動設備端

移動設備端一般設有前置攝像頭，在使用移動支付的時候，系統通過移動設備的前置攝像頭獲取圖像，通過人臉檢測算法，從圖像中分割出人臉圖像信息，然后傳輸到云端服務器進行人臉識別處理。因此移動設備端最主要的任務是做人臉檢測。人臉檢測方法主要分為三個：基于先驗知識的檢測方法、基于模板的檢測方法和基于學習模板的檢驗方法。

基于先驗知識的檢測方法是利用人類在人臉認識過程中建立的知識經驗，這些先驗知識中存在的普遍規律為：人臉五官基本對稱、五官具有相同的布局、面部基本屬于橢圓輪廓等規律。利用這些規律對人的眼睛進行定位，然后根據五官的空間結構定位面部其他器官，達到一個面部全局檢測。

基于模板的檢測方法同樣利用人臉的先驗知識，和上一種方法有所不同的是，它建立一個人臉模板，讓獲取的圖像與這個模板按照系統設置的匹配算法和參數調整進行對比，以獲得人臉檢測結果。

基于學習模板的檢測方法，區分于上一個人臉模板檢測方法，它是建立在對訓練集聯系上的，通過自我學習而得到一個人臉模板，而不是利用先驗知識建立模板。這種方法采用有人臉和無人臉兩種圖像作為訓練集，結合機器學習方法對圖像進行學習，并通過數據降維達到高速的人臉檢測。

2.2云端服務器

2011年以后，云端開始處理海量數據，緊接著越來越多的云存儲和云技術涌現出來，由此在移動端出現了強烈的業務需求，其中包括移動支付。在移動支付逐漸走向人們生活的同時，各類木馬和蠕蟲等病毒成為了移動支付安全性的心腹大患，如果手機遭受病毒攻擊，很容易造成支付密碼泄密的發生。利用云存儲將個人、密碼、財務等信息存儲于云端，用戶可以隨時隨地通過網絡訪問自己的信息，相比較將信息存儲在自己的移動設備上，用戶不用擔心因為設備的丟失而帶來的數據的泄露。在移動支付系統的人臉圖像庫中存在著成千上萬個人臉信息，在進行人臉匹配時，需要大量的計算，而云計算的快速高效給人臉識別提供了巨大便利。

云端服務器主要完成圖像預處理、特征提取、人臉識別的任務。從移動設備端接受的人臉圖像收到各種條件限制和噪聲干擾，必須對人臉圖像的噪聲過濾（去噪）、灰度矯正等預處理，主要包括：灰度變換、直方圖均衡化、歸一化、幾何校正等；經過預處理的圖像人臉五官結構分布清晰，進行人臉特征提取，人臉特征提取與人臉檢測相似，有基于先驗知識、基于幾何特征、基于模板匹配的方法；最后云端服務器進行人臉識別，簡單來講，這就是一個人臉匹配的過程，可分為兩類：一是辨別，將用提取的人臉特征參數與人臉圖像庫中千萬級的特征模板進行匹配，這是一個一對多的過程；二類是確認，在云端存儲的個人注冊信息中，采集了個人的多種狀態下的圖像，例如戴眼鏡與未戴眼鏡，化妝與不化妝等等，將辨別后的身份各類圖像再與提取的人臉特征進行一對一的比較。最后將人臉識別的結果傳輸到移動端，如果識別匹配成功，則完成支付過程；否則取消支付。

三、人臉識別未來展望

2015年3月，支付寶的“刷臉支付”技術亮相之后，遭到了外媒的質疑，他們表示這一項技術目前還不成熟，實現起來有很大的技術難度，存在安全問題。2016年4月，支付寶在杭州西湖文化廣場展示了其全新的“刷臉支付”，識別準確率達到99.5%，高于人眼識別97.52%的準確率，甚至可以分辨雙胞胎。并且一旦有盜用賬號的情況發生，會在支付過程中的人臉圖像采集環節留下犯罪證據，有利于打擊犯罪行為。近來，由于人臉識別的優勢突出，如它的非接觸性不會讓人們產生排斥感，使得這門技術正被廣泛應用于銀行、電子商務、安全防務等領域，金融和互聯網巨頭紛紛加重對其的研究開發，推動了人臉識別產業的爆發式增長。而隨著軟硬件基礎設備條件的完善、云技術的普及加速、云計算的大量應用，業內人士預計，人臉識別未來潛在的市場規模將超過千億級，行業大潮已至，能基本確立向上發展趨勢。

總結：人臉識別自古以來都是人類進行身份識別的一個重要方式，近些年智能手機等穿戴設備新盛，應市場所需，將人臉識別應用在移動設備的支付系統中，讓支付認證更加方便、安全、可靠。在未來，移動終端進行人臉圖像識別將應用在越來越多的領域中去，而人臉識別本身具有的獨特性和穩定的安全性將給人類帶來越來越多的好處。

參 考 文 獻

[1]張翠平，蘇光大. 人臉識別技術綜述[J]. 中國圖象圖形學報，2000，（11）：7-16.

[2]袁正海. 人臉識別系統及關鍵技術研究[D].南京郵電大學，2013.

[3]舒曉苓. 云支付：移動數字錢包之人臉識別技術[J]. 電腦知識與技術，2015，（08）：179-181.