微软总裁兼首席法务官布拉德·史密斯也在其博文中表示：“考虑到这项技术被滥用的可能性和广泛的社会影响 ， 政府在人脸识别方面的立法似乎显得尤为重要 。 ”
“看好我们的脸” ， 公民应多一些戒备与防范意识 ， 企业多一些技术层面的保障措施 ， 监管也须及时跟进 。 业内人士也建议 ， 政府应从管理者角度 ， 通过立法方式强化面部识别领域的监管力度 ， 保障公民个人信息安全；相关行业、企业应提升应用软件等载体及储存设备的安全技术水平 ， 提升网络安全意识 ， 避免公民隐私信息泄露或遭非法转卖；非必要的隐私数据不应采集 。 当前 ， 人脸识别技术的开发仍有巨大拓展空间 ， 国家有必要在数据共享和开放上加大引导力度 ， 促进技术发展 。 另一方面 ， 人脸识别技术在逐渐走向成熟 ， 应用将越来越多 ， 识别技术的各类标准 ， 特别是保护公民隐私的标准应尽快出台；相关行业及企业需担负起社会责任 ， 主动积极地规范行业标准 ， 自觉维护采集、储存的公民隐私数据安全等 。
相关链接
人脸识别技术知多少
目前 ， 国内外人脸识别技术发展速度加快 ， 技术路径也比较多 。 何东昌介绍说 ， 主流的人脸识别技术基本上可归结为五类 。
其中 ， 基于模板匹配方法是将待处理的人脸图像直接与数据库中所有模板进行匹配 ， 选取匹配最相似的模板图像作为待处理图像的分类 。 不过 ， 由于数据库中每个人的模板图片数量有限 ， 不可能涵盖现实中所有的复杂情况 ， 简单的模板匹配只利用了相关信息 ， 对背景、光照、表情等非相关信息非常敏感 。 因此 ， 该方法只适用于理想条件下的人脸识别 ， 并不适合应用于实际场景 。
基于几何特征的方法 ， 即人的面部有形状和大小都不相同的部件 ， 如鼻子和嘴巴等 。 通过对这些部件形状的对比、部件间位置的检测 ， 从而实现人脸识别 。 与基于模板匹配方法相似 ， 形状、距离等信息并不能表达出图像中的姿态、表情等非线性因素 ， 导致该方法的可靠性和有效性较低 。
基于人工神经网络的方法直接使用图像像素点作为神经网络的输入 ， 通过模拟人脑神经元工作机制 ， 可学习到其他方法难以实现的隐性人脸特征表示 。 而且神经网络拥有非线性激活函数 ， 使得网络对人脸图像中的非线性因素和关系有一定的表达能力 。
基于稀疏表示的人脸识别方法中 ， 稀疏表示用的“字典”直接由训练所用的全部图像构成 ， 无需经字典学习 。
【人脸识别突飞猛进 更要看好“我们的脸”】最后一种是基于深度学习的人脸识别方法 。 其核心内容是逐层训练的网络结构 ， 每层使用的是自编码神经网络 ， 自编码神经网络主要包括对数据编码和解码两部分内容 。 通过编码、解码实现对输入数据的无监督学习 ， 辨识能力随数据增长逐步提高 。 （李禾）
推荐阅读
- 阻挡潜在威胁 澳大利亚体育馆启用人脸识别技术
- 谁知道金立手机语言识别怎么设置
- 语音识别技术究竟可以发展到什么地步
- Lietome中有哪些谎言识别技巧怎么看穿一个人在说谎
- 人类为什么需要能够识别颜色
- 如何识别头上是否有螨虫
- 如何识别和田玉的真假
- 如何识别葡萄干玛瑙
- 怎样识别毛尖茶真假
- 怎么识别茅台酒的真伪