近日，國內很多網站的數據庫遭到黑客攻擊，大量用戶信息被泄露，用戶信息的安全問題一下子成為了互聯網界的焦點。在信息安全越來越受到重視的背景下，借助人臉識別或聲紋識別等生物識別技術，為身份驗證加筑起一道防火墻就顯得很有價值。人臉識別技術的傳統應用領域是在安防方面，比如重點場合監控、辨識罪犯、自助通關、打卡簽到等。近年來，這項技術也開始用在互聯網領域，但多見于社交和娛樂產品中，在登錄安全方面的應用還比較少。
什么是人臉認證登錄? 從功能上來看，人臉認證登錄系統是基于終端攝像頭的一種身份加密技術，其核心為人臉識別技術。它通過視頻掃描來確認使用者的身份。用戶在進入登錄界面時，終端將自動通過攝像頭將用戶圖像傳入人臉識別系統，系統對人臉特征進行分析鑒定后，確定用戶是否合法。
采用人臉認證登錄，可以免去繁瑣的密碼輸入，交互更加快捷方便。除此之外，作為一項典型的生物特征識別技術，人臉登錄技術還具有其他加密手段不可比擬的一些優勢： 1、更符合人類的識別習慣。相比于冰冷的鍵盤和復雜的“娉娉裊裊十三余, 豆蔻梢頭二月初”密碼，坐在終端前晃一晃腦袋就能登錄顯然更加親切； 2、圖像采集設備的成本低。人臉認證需要的終端攝像頭在PC和手機上幾乎都是標準的外設，這就避免了指紋、虹膜等識別技術需要專門采集設備的麻煩； 3、非接觸式識別。用戶不需要觸摸甚至不需要靠近設備就能實現“遠程”登錄。操作便捷的同時也不會對用戶造成生理上的傷害，容易被大多數的用戶接受。 4、具備事后追蹤能力。人臉認證系統可以在登錄事件發生的同時保存當事人的人臉圖像，即使不懂技術的管理人員，也可以直觀的對事件進行監控和復查，這確保了系統具有良好的事后追蹤能力。 人臉認證技術有哪些難度？ 經過近40年的發展，人臉認證已經成為監控系統的首選，眾多的商業人臉識別系統如雨后春筍般占據了電子考勤，場景監控等應用場所。目前，好的人臉識別系統在用戶配合、控制光照、采集條件理想的情況下其性能已經接近完美。在2006年和2008年美國國防部高級研究項目署分別組織的全球大規模人臉識別算法性能（FRVT2006和MBGC2008）評測中，最優秀的識別系統在錯誤識別率為千分之一時，取得了百分之九十九以上的識別率。然而，在非控制的采集環境下，人臉識別性能卻顯著下降，對不太容易解決的圖像正確識別率只有百分之八十六左右。 在今天，隨著無線互聯網和智能手機的普遍使用，人臉識別也面臨著越來越多的挑戰。在不可靠的采集環境下，用戶的面部表現千變萬化，其復雜程度遠遠超出了標準評測中獲取的圖片。總的來說，人臉認證技術的難度體現在： 1、圖像分辨率低。在高分辨率圖像下，人臉圖像能夠傳遞更加豐富的用戶信息。而在這些互聯網應用中，攝像頭的質量良莠不齊，這給有效提取面部特征帶來了困難。 2、模態多樣性。由于采集設備的不同與環境光源的差異，人臉圖像有著多種不同存在的方式，如證件照，數碼照片，藝術照等。在不同的光照波段下，人臉反射率也造成了圖像信息的丟失。 3、光照，姿態，遮擋和表情等拍攝環境。這些因素一直以來都是人臉識別中較難解決的問題，如陰陽臉，黑框眼鏡，鬼臉等。 4、化妝與老化等不可避免的外界干擾。 騰訊研究院TRFA人臉認證登錄系統介紹 1.系統架構
2. 實現流程 (1) 人臉注冊流程 用戶在注冊時，需要登錄客戶端界面，輸入帳號UID和其他相關信息（比如用戶的姓名），并拍照向服務器發送一張或多張自己的正 面照片。服務層記錄該注冊請求的帳號UID，客戶端設備號DeviceID，并由接收到的照片生成該用戶的人臉特征模板。 (2)人臉登錄流程 人臉登錄包括認證(Verification)和識別(Recognition)兩種模式。用戶只需人臉靠近攝像頭，系統實時檢測人臉并采集人臉視頻圖像發送至服務器端，服務器端從待認證的人臉圖像中提取特征后與事先存儲的用戶特征模板進行比對。認證模式下，用戶需要選定其對應賬戶，服務器端只進行該賬戶（該UID必須在DeviceID注冊列表中）的人臉模版比對，當比對分數超過給定閾值時，返回人臉登陸成功信號。識別模式下，用戶不需要進行賬戶的選擇，服務器端會進行該DeviceID下的全部已注冊UID的人臉模板比對。當比對分數超過閾值時，系統登錄進入最優相似度的賬戶。 3. 算法解析 為了滿足不同應用場合的需要，人臉驗證算法需要考慮到終端質量，采集環境，人臉變化等多方面的因素。具體而言，一套完整的人臉注冊與認證系統包含以下步驟： （1） 人臉檢測； （2） 人臉關鍵點定位； （3） 人臉形狀和紋理歸一化； （4） 特征抽取； （5） 特征降維； （6） 模板比對（分類） 在人臉注冊過程中，服務端只完成特征抽取與降維；而人臉登錄過程中，服務端對獲取的圖像進行特征抽取和降維后，根據分類器輸出該人臉圖像的置信度，以判斷該用戶是否匹配。如下圖所示，對于輸入的單張圖像，分別在客戶端進行人和關鍵點的定位，其次在服務器層進行圖像歸一化與特征抽取，并分別再注冊與驗證模式下進行后續的存儲和分類操作。系統提供了魯棒的人臉定位，能夠較好的應對人臉姿態的變化。為了應對不同采集環境下的光照條件，系統采用了一種新的圖像去光照方法，有效濾除了圖像的光照干擾。在特征層面，分塊的局部特征和全局特征被分別抽取，同時結合局部特征與全局特征的編碼能夠避免圖像在表情，遮擋等影響下造成的局部紋理變形或者丟失。系統中采用了3種不同的特征編碼模式（Gabor, LBP, HOG)。在特征抽取之后，多類特征分別進行后續的分類操作，并以加權的分數級融合作為圖像最終的驗證結果。此外，系統對于不同光照、環境中的差異，會通過每次登錄自學習的過程，逐步適應各種環境。
在人臉產品的設計上，也要注意揚長避短，合理引導用戶并進行足夠的提示，使得人臉認證登錄系統發揮它最大的效能。 1、活體檢測。為了避免用照片等非生命體人像特征蒙混過關的情形，可以在人臉驗證中引入活體檢測技術，這就需要被識別者在人臉可被檢測到的范圍內，緩慢的左右搖頭并作出一些輕微的表情變化，以便幫助人臉識別系統確認是否具有生命特征，從而加強人臉登陸的安全性； 2、自適應學習。為了應對不同環境下的認證圖像與模版圖像之間的差異，系統需要具備自學習的功能，能夠在每次驗證的過程中，自動更新用戶模版，來縮短模版注冊的周期； 盡管現有的人臉認證系統仍然存在缺陷，但人臉認證登陸的實用價值是不可否認的。隨著研究的不斷深入，相信人臉認證技術會更好的滿足用戶的需求。 |
