1、三个方面的缺点:1.识别精度低2.自然性、不易察觉以及非接触性也致使人脸识别技术在一些特定领域面临环境复杂性。便于收集的好处也带来了图像清晰度不高,角度不好等问题3.人脸识别不只是隐私问题信息泄露面临更大安全隐患人脸识别的一个缺点也在于信息的可靠性及稳定性较弱。人脸所蕴含的信息量较指纹、虹膜等生物特征相比是比较少的,其变化的复杂性不够。例如,若要两个人的指纹或者虹膜基本相同,大概需要好几十乃至上百个比特(信息量的度量单位)达到完全重合才可以。但如果是人脸的话,十几个比特达到重合就可以了。在全世界,可以找到很多具有相似性的面孔。所以说,人脸的辨别性不是很高,它并没有那么独一无二。另外
2、,人自身内在的变化以及外在环境的变化都会影响采集时人脸的信息稳定度。相较于之前的人脸识别技术,目前的人脸识别技术有所提高,但是具体应用时还是不能达到完美状态,如今,保守估计,人脸识别技术准确率能达到99%,但没有达到100%。同时,对于双胞胎,由于相似特征太多,人脸识别基本不可能完成。比如在ATM机上使用人脸识别技术,是在使用密码信息的基础上辅助的认证功能。如果脱离了密码输入,完全使用人脸识别技术进行存取款操作,是不太可能的。例如,2018年7月,美国公民自由联盟(ACLU)对美国国会议员的照片应用了亚马逊算法,该算法确定其中28人是因犯罪而被捕的人。如果说双胞胎根本不应该用此技
3、术来进行分辨的情况下,如何解决整容带来的无法辨别的问题?在如今整容手段如此先进的情况下?其一,应用“人脸识别”技术的视频采集机器设备愈来愈普及化,会否对大家的人身自由权与隐私权产生威协,这个问题如何解决?其二,人工智能的市场应用,会否产生新的岐视与不公平,并对人们具有的社会道德纪律产生挑战?例如:一些商业算法在识别肤色较深的人员和女性方面不如识别肤色较浅的男人准确。这是以前讨论过的一个话题。二虽然人脸识别技术经历了较长的研究阶段,并且应用也开始落地,但至今人脸识别技术还是被认为是生物特征识别技术中较为困难的研究课题之一。另外,人脸识别技术自身优势也存在两面性,自然性、不易察觉以
4、及非接触性也致使人脸识别技术在一些特定领域面临环境复杂性。背景环境的复杂多样,在进行人脸识别前需要先对监控场景中的人脸进行定位,即人脸检测。人脸检测的正确与否直接影响人脸识别性能。当监控场景的背景较为复杂时,人脸检测率也会随之降低,因此能够适应复杂背景环境的人脸检测算法是人脸识别技术的难点之一。光照条件的复杂多变在智能视频监控系统的实际应用中,会由于监控环境光线的变化造成检测到的人脸图像存在不同的阴暗变化,如图1所示。FRVT2006测试表明,不同光照条件下人脸识别虽然在性能上比FRVT2002有显著提高,但是还没在根本上克服光照对识别率的影响。人脸表情的多样性在实际应用过程中
5、,人脸的表情随时都可能发生变化。图2给出了部分表情变化的人脸图像。从图2可以看出,当人的表情发生变化时,可能会引起人脸轮廓以及纹理的变化,同时由于面部肌肉的牵引,面部的特征点的位置也会随之改变。不同的表情引起面部的变化都不同,此外,不同的人的相同表情影响也不相同,因此很难用统一的标准来精确划分各种表情对不同人的影响。采集人脸的角度多样性人脸的角度多样性主要是指由于拍摄角度的不同导致检测到的人脸图像的旋转,包括平面旋转和深度旋转。图3列出了部分不同角度拍摄的人脸图像。从图3可以看出,与表情变化对人脸图像的影响相同,拍摄角度的变化同样会导致人脸轮廓的变化,
6、除此之外,由于角度的变化,可能会导致人脸的部分特征无法被正确提取,进一步导致人脸的错误识别。遮挡问题即使是非人为故意遮挡,在实际应用时检测到的人脸图像也经常会出现如帽子、眼镜等遮挡物,除了这些,胡子以及刘海的变化也直接影响人脸的特征提取,图4举例给出了出现遮挡的部分人脸图像。当人脸图像发生遮挡时,人脸的很多信息会丢失,导致人脸识别算法出错或失效。三最近两年是人工智能的爆发年。随着人工智能的助力,人脸识别技术以其不可复制性、非接触性、可扩展性和快速性等特点在多种生物识别技术中脱颖而出。人脸识别在安防、金融、教育等领域得到广泛应用,尤其是在智慧校园应用中,门禁出入口、人员
7、识别、消费支付,甚至开始在课堂上识别学生面部表情,找出不专心的学生。例如去年,某中学使用“黑科技”打造“智慧教室”,对学生进行表情监控,以提高课堂教学效率时。但舆论普遍质疑,认为类似做法不尊重孩子人格,侵犯学生隐私。前几日,旧金山市颁布的新条例决定禁止全市53个部门使用人脸识别技术,其中就包括旧金山警察局。人脸识别技术在美国的争议一直不断,反对者普遍认为,如果不对这项技术进行规范,将会为政府提供前所未有的权力来跟踪人们的日常生活,侵犯人们隐私,这与健康的民主不相容。同时,“美国公民自由联盟”(ACLU)测试了亚马逊的人脸识别系统,发现人脸识别系统的准确性并不高。除了人