司机冒充赵薇老公卖房，他是怎么骗过人脸识别系统的？

人脸识别系统| 2015-10-30

人脸识别在科技圈热门已久，支付宝的人脸支付、微软辨别年龄的网站How-Old.net、周鸿祎奇酷手机的人脸识别……最近，赵薇的老公黄有龙被告上法庭，原因竟是其司机靳某骗过公证处的人脸识别系统，以委托人的身份卖掉了赵薇家一处千万的豪宅，而整个过程黄有龙并不知情，是遭人“冒充”。这条新闻，让“人脸识别”也登上了娱乐版的头条。人脸识别的准确性和安全性，再次成为大家热议的焦点。

99%的识别率如何实现？

2014年7月，香港中文大学汤晓鸥教授的三个人脸识别算法分别占据了全球最具权威的人脸识别数据库LFW（Labeled Faces in the Wild）的前三名，其中DeepID2更是以99.15%的识别率高居榜首。人脸识别率突破99%的大关，一时间成为业界讨论的热点。

（LFW：人脸识别准确率最高的六家公司 2014.7）

不过，这一世界记录现在已被百度打破。在人脸识别技术领域两个最具权威的国际评测平台FDDB与LFW中，百度都获得了第一名，领先于国内同行。

（LFW:人脸识别系统的平均精度和误差 2015.10）

LFW全部人脸系统检测结果可以参看这里

这似乎意味着，人脸识别的准确率超越了99%，识别精度趋于完美。

如果人脸识别的准确率真有那么高，那司机冒充黄有龙通过人脸识别的案件也就不会发生了。

而人脸识别如此高的准确率又是如何测评出来的呢？

目前国际上有两套最为常用的人脸评测数据集，人脸检测数据集FDDB和无约束人脸识别LFW。

FDDB（Face Detection Data Set and Benchmark）是由马萨诸塞大学计算机系维护的一套公开数据库，能为来自全世界的人脸识别研究者，提供一个标准的人脸检测评测平台。它使用5171张自然环境下各种姿态的人脸照片，从中选取2845张图片作为测试集，根据人脸检测准确率召回率曲线图得出最终结论。如下图所示，横轴表示误检人脸数，纵轴表示检出率。曲线越陡峭，曲线上的点越接近（0,1），表示检测器性能越好。

（FDDB：人脸检测准确率召回率曲线图 2014.11）

LFW（Labeled Faces in the Wild）则由美国马萨诸塞大学阿默斯特分校进行维护。它从雅虎上提取6000张表情、光线、方向各不相同的人脸照片，考察各个深度学习系统的人脸识别能力。LFW好比一个题库，各个前来跑分的人脸识别系统则是参加考试的学生。测试中，LFW给出一对照片，让人脸识别系统判断两张照片是不是同一个人，并给出“是”或“否”的答案。99%的准确率，意味着该人脸识别系统在提供的所有题目中答对了99%。

无论是LFW，还是FDDB，都只是一个实验室级别、学术性质的测试工具。在千人样本量下，人脸识别系统的确能取得99%的准确率。然而，在样本量可能达到十万级、百万级的实际商业场景的应用下，在数据库评测时取得了高准确率的系统，并不一定能复制同样的成功，其误识率将直线上升，甚至有可能根本没法用。在真实复杂场景的测试中，十万分之一的误识率下，人脸识别98%的准确率甚至会直线下降到70%左右。

人脸识别在实际应用中的重重障碍之一：相似性

人脸识别技术其实被高估了，它远远达不到指纹或虹膜等生物识别技术那么高的准确度。在人脸识别系统中，对相似度高的脸容易出现识别误差。不说双胞胎了，人脸识别系统能分得清王珞丹和白百合吗？（想要知道区分方法或想要测试一下，可以点这里看看。

人脸识别在实际应用中的重重障碍之二：不稳定性

赵薇老公的案件中，该公证处采用的人脸识别系统，参照的是黄有龙第二代身份证照片。撇开法院判决司机靳某和黄有龙照片分值超过0.6不谈，照片本身的时效性也是一个问题。我国身份证要求20年更换一次照片，但是20岁和40岁的你，恐怕没那么相同。

出演《泰坦尼克号》时莱昂纳多·迪卡普里奥刚刚20岁，他在影片中俊美的扮相让人印象深刻。而如今二十多年过去，莱昂纳多迈入中年，他的面部轮廓也发生了改变，下巴也留了胡子。乍看之下，判若两人。

（莱昂纳多·迪卡普里奥：年轻与中年的照片对比）

年龄是影响人脸识别的重要因素。皮肤无可避免地会松弛、衰老，就算是绝色美人，年老后的脸蛋线条也会发生不可逆的变化。而且，人的面貌可以轻易地通过化妆改变。一位年轻的女性，精心装扮后的面部和身份证上的照片也许很不一样。此外，识别时所必须的光线，增加了用户的使用成本。因此，光线、化妆、年龄都会影响一个人的面部特征及其识别准确性。