4月22日-23日，2015中国移动支付产业论坛在北京召开，中科院重庆绿色智能技术研究院智能多媒体技术研究中心主任周曦与会并发表《刷脸支付助力移动生活》演讲，他表示人脸识别技术由于大数据的时代大数据的时代，由于等等算法的提升，有了很大的进步。因此在跨场景人脸确认这一步已经做的比较成熟。其中提到在人脸识别支付上就会成为人脸识别下一个引爆点。
演讲速记：
第一、简单介绍一下中科院与该部门研究这个事情的背景。他自身在UIUC博士毕业，导师是Thomas Huang教授（美国的工程院院士，全球IT业界誉为计算机视觉之父）。在2011年，中科院跟UICC还有新加坡国立大学联合成立了智能多媒体研究中心，落户在重庆研究院。2015年中科院重庆研究院又联合加州科技，是A股的上市公司和杰翱资本一起成立了云从科技。这个公司专注于人脸识别方面的应用，主要在安防和金融两个领域来展开。
第二、关于人脸识别在金融上面的应用。以前的人民银行，包括证监会也没有开放可远程做这事情，一般都要在柜台做柜面操作，肯定就存在排队、各种响应的问题。另外，本来上班时间就很忙，所以要做到7×24小时服务，用人工也是很困难。加上实际人工操作也并不是很安全。但是，实际上身份证照片跟本人是不是同一个人，用人眼来看是非常不靠谱的，后面有具体的数据来说明这一点。由于人工操作经常并容易犯错，315的时候也曾曝光，包含像工行、农行这样的大行，因为人工操作的失误而造成冒认，进而造成经济上损失是很常见的。还有，人工的操作实际上很麻烦，例如因为一些很小的事要跑银行很多趟，比如打印一个流水单，或者改密码，一系列的事都必须到银行，还面临漫长的排队，这些事情他们都是有办法通过高科技的手段来简化的。
因此，采用人脸识别技术作为未来高科技的一个技术，它实际上具有几方面的优势。第一方面，人脸识别技术它实际上比人工的识别要更安全，目前人脸识别的水平已经远远的超过人眼的水平，电脑可以很精确的识别一些人在尺度上觉得很接近的东西，但是可以识别的很清楚。第二方面，采用人脸识别，包含移动支付，它的方便性远远超过在柜台人工的操作。第三方面，高效性。
大家讲人脸识别概念的时候，实际上站在专业的角度来说，它实际上还有很多的区分：
第一、人脸确认和人脸识别，这是两个不同的概念。人脸确认是他给你一张图，或者一个视频，告诉你这是张三，机器学定这是不是张三。人脸识别的问题，他现在给你一张图，也不知道是谁，你帮他识别。所以，人脸确认的难度要远远低于人脸识别，这是两个不同的概念。
第二、相同场景和跨场景。相同场景是指他们所有做人脸识别存在一个注册的过程和测试的过程。如果注册的图片和测试的图片是在一个同样的基本相似的环境下，或者采集设备相似，或者时间跨度不是很大。上面的两张图就是相同场景的情况，这种情况下，识别难度相对来说比较低。比如经常看到一些人脸识别考勤，他们先去注册，接下来在相同行业再去使用，这个比较简单。跨场景，就是指注册的图片，不管时间还是采集的环境，和测试的环境不一样的情况。比如他们经常使用到的，他们注册的是一张身份证照片，测试图片是一个现场的手机拍摄，或者视频中的照片。这个时候因为它本身的采集条件，年长日久，大家觉得长的不太像，这种情况下，跨场景的难度高很多。
第三、配合和非配合。所谓配合就是指纹识别对象本身是想通过这个识别的。这种配合的情况下，首先能够稍微长一点时间，各种条件都会比较简单。非配合的环境是指识别对象不配合这件事情，比如公安、反恐应用中。通常他们追查逃犯的时候，逃犯意愿上不希望被识别。
移动支付的另外一个场景。比如在实体店，他们在出去逛街的时候看到好的东西，但是他是会员，没有带卡，也没有带钱包，他们怎么办?这个时候他们可以在柜面上，如果刷脸支付，你告诉他们柜员，他是VIP，一认证就可以付钱。这是跨场景配合的人脸识别问题，因为这个人脸识别范围比较有限，而且是配合场景。因此，这个难度比前面一个难度略高。
实际上在金融业非常关心的一个问题是刷脸支付安全性到底有多高?
第一、假设现在有两张图片，一张是身份证读卡器读出来的图片，一张是实际实拍的现场照片。实际要判断他是不是本人?他相信你肉眼看也是很难的。通过2000对身份证的照片发现一个问题，人眼识别率其实只有72%，但是机器的识别率能到96%。其实现在机器的识别率已经远高于人了，但是它也做不到百分之百的准确，还有4%的错误率，但是人眼更不靠谱，大家已经习惯了，也就这么过去了。但是，他们仍然应该可以采用机器提升这个效率。
第二、即使能够自动的识别，也还要考虑攻击的问题。假如说，有人觉得马云很有钱，于是想伪造他花他的钱，你有两个办法，一个是事先在网上下一些他的照片，用照片对着手机，伪装他来攻击。这种情况他们要用活体检测，你只是一张照片，他判断你这个不是活体，就不能够通过。如果下一段马云的演讲视频，对着手机伪装他，这个就叫视频攻击。事实上应对视频攻击，现在已经有全系列的动作识别、语音识别和语义识别，三位一体的活体检验的方法。也就是机器可以自动的提示你做一些随机的动作，或者让你读一个数字串，通过识别你的唇型判断你是不是按照他的要求做的。
第三、核心技术。实际上人脸识别这个技术是需要用数据和系统两块来支撑这个理论体系。过去实际上规模比较小，2010年以前，人脸识别效果很不怎么样。到2010年以后，有大规模的数据以后，人脸识别有很显著的提高。光是有大规模数据是不够的，这个数据你只是在外面胡乱采的数据，他们需要有所谓结构化的数据。就是任何一张照片，一张人脸照片有很多属性，不光是指他是谁，他的ID是一个属性。同样，这张照片是在什么光线，有没有遮挡，有没有角度，有没有表情等等一系列的标签，联合定义了这个照片。他们实际上平时如果只是在网上随机下载照片，或者装一个摄象头在路上随便拍，是缺乏规范的照片。这种照片对他们识别来说是不够的。
人脸识别其实有超过20个模块来辅助，成为一个算法的系统，它才能在实践中非常好用。因为真正在支付中用人脸识别，要应对各种情况。比如现在光线不行，要给用户很好的提示，他对焦不准，要给他提示，大小不够，要给他提示，等等一系列，你要生成他的证件照等等。只有这样才能真正做到又安全，又方便，实现他前面讲的真正比人更方便。因此，这需要有一个很大的算法平台，这需要有很多科学家做这个技术积累，而不是简单在数据库上面做比对实验。因此，这个也是基于整个一大套理论在过去很多年集成研究这个事情，提出一套理论把它做到实践化。
实际上金融中使用的时候，如果用来做远程的开户，或者远程的支付，它基本上是一个云身份认证系统。他们会在这个金融机构服务器所在的这一端有一个云的系统，可能是私有云上面。同时，前端他们可以在它的柜面上使用人脸识别，它就是柜员的一个辅助。人眼看到的实际上是不准的，它实际上是一个安全的加强。也可以在手机，或者Pad等等上面使用，把柜台服务变成远程的。
关于我们
我们专注于智能化电子政务自助设备和智慧城市政务类智能解决方案的研发与推广，在便民自助服务、自助交易、智能识别等领域内成功推出了一系列具有自主知识产权的产品与方案，并成功投放市场，不断树立了新的体验标杆。
