成都弱電公司訊：

在當前利率市場化、互聯(lián)網(wǎng)金融蓬勃發(fā)展、經(jīng)濟新常態(tài)三大因素形成共振的歷史轉(zhuǎn)折點上，我國商業(yè)銀行經(jīng)營模式面臨著全新的變革。如何在精細化經(jīng)營經(jīng)管的基礎(chǔ)上為客戶提供更優(yōu)質(zhì)、更平安的服務(wù)體驗，成為各商業(yè)銀行競爭的焦點。近年來，云計算、物聯(lián)網(wǎng)和人工智能技術(shù)變革式發(fā)展，相關(guān)應(yīng)用百花齊放，對“大數(shù)據(jù)”資源的整合利用與智能化發(fā)展成為了商業(yè)銀行提高“內(nèi)力”的修煉法門。人臉信息有著不可復制、不可盜取、簡便直觀等長處，是大數(shù)據(jù)時代各商業(yè)銀行應(yīng)儲備和發(fā)掘價值的重要戰(zhàn)略資源。而隨著技術(shù)變革和應(yīng)用的普及，建設(shè)大規(guī)模、分布式人臉數(shù)據(jù)庫及辨認系統(tǒng)的成本不斷降低，辨認的精度不斷提高?？梢灶A(yù)見，人臉辨認技術(shù)在商業(yè)銀行領(lǐng)域的潛在價值將被不斷發(fā)掘提升，在保障服務(wù)平安性、節(jié)約客戶時間、提升客戶體驗、整合與挖掘數(shù)據(jù)資源等方面具備廣泛的應(yīng)用前景。

人臉辨認技術(shù)概述

人臉辨認技術(shù)是以身份檢索或校驗為目標，通過從給定的靜態(tài)或動態(tài)圖像中提取人臉信息等手段，與數(shù)據(jù)庫中已知身份人臉進行匹配的過程。由于受到光照、表情、遮擋、朝向等干擾因素的影響，與另外基于身份證、虹膜、掌紋、指紋等技術(shù)手段相比，人臉辨認技術(shù)的準確率相對較低，但其采集方式最為友好：無須當事人配合，甚至在其意識不到的情況下，就完成了對人臉信息的采集與辨認。因此，人臉辨認技術(shù)在過去的四十多年中一直是人工智能領(lǐng)域的熱點研究課題，至今已逐漸走向成熟，已經(jīng)應(yīng)用于反恐、安防、成都門禁等領(lǐng)域，近年來開始向教育、金融等領(lǐng)域推廣。

根據(jù)應(yīng)用場景的分歧，人臉辨認可分為針對二維圖像的人臉辨認、針對監(jiān)控視頻的人臉辨認、針對近紅外、熱紅外成像或素描等的多模態(tài)人臉辨認和針對深度信息的三維人臉辨認等。對于上述各種數(shù)據(jù)輸入類型，均有來自學術(shù)界、業(yè)界的研究人員提出了基于分歧假設(shè)、分歧模型、分歧學科背景的人臉辨認處理方法。經(jīng)歸納，這些方法有類似的處理步驟，主要包括以下幾類：一是人臉檢測。解決“有幾張臉、臉在哪”的問題，即從圖片或視頻中檢測并確定人臉的位置，并將其分離。二是人臉跟蹤(針對視頻人臉)。解決辨認人臉“從哪來、到哪去”的問題，對檢測到的每一張臉在視頻各幀中進行跟蹤，如出現(xiàn)遮擋應(yīng)在遮擋結(jié)束后恢復跟蹤，好比兩張人臉交錯而過應(yīng)不出現(xiàn)混淆。三是人臉規(guī)范化。解決“鼻子、眼睛、嘴巴位置對得上”的問題，具體操作包括預(yù)處理、歸一化、人臉標定等。四是人臉辨認。即解決“這個人是誰”(檢索)、“這個人是不是某客戶”(校驗)的問題。

在建立人臉數(shù)據(jù)庫及辨認系統(tǒng)時，需要對人臉數(shù)據(jù)進行練習并建模，假如數(shù)據(jù)庫動態(tài)更新還將涉及到在線學習等內(nèi)容；辨認人臉時，要把須辨認的人臉與數(shù)據(jù)庫中已有的人臉進行對比，判斷二者相似程度，并按預(yù)先設(shè)定的尺度進行檢索或校驗。人臉辨認有多種方法，如：基于幾何特征、基于子空間映射降維、基于模板、基于模型、基于神經(jīng)網(wǎng)絡(luò)等方法。

當前，基于“深度學習”的方法在一些算法競賽中取得了很高的辨認準確率，并迅速在業(yè)界投入應(yīng)用。深度學習并不特指某一個算法，而是SparseCoding、RBM、深信度網(wǎng)絡(luò)等技術(shù)方法的總稱。作為一類基于神經(jīng)網(wǎng)絡(luò)的方法，根據(jù)認知心理學，其主要思想是模擬人類大腦神經(jīng)的信號傳遞。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型2～3層練習層分歧，深度學習的練習層數(shù)可達8～9層。因此在2006年該思想被提出之初，海量的練習數(shù)據(jù)和很高的計算復雜度超出了當時硬件的承受能力。但由于計算機硬件性能的提升，深度學習算法在準確率方面的優(yōu)勢迅速凸顯。目前，谷歌、微軟、百度等公司都成立了專門的部門對深度學習技術(shù)進行研究開發(fā)，市場上也涌現(xiàn)出一批基于深度學習的人臉辨認團隊。目前，基于深度學習的方法已經(jīng)成為人臉辨認技術(shù)領(lǐng)域的重要發(fā)展趨勢和方向。

此外，一些人臉分析技術(shù)也隨著人臉辨認技術(shù)的發(fā)展得到了普及和優(yōu)化，包括對表情、年齡、性別等屬性的判別，使基于這些屬性信息的數(shù)據(jù)挖掘聚類、分類等大數(shù)據(jù)分析應(yīng)用成為可能。人臉辨認技術(shù)在實際應(yīng)用中，還可以考慮與另外技術(shù)或輔助手段相結(jié)合，如結(jié)合深度信息實現(xiàn)活體檢測，判斷是真人還是照片等。

人臉辨認技術(shù)在商業(yè)銀行的應(yīng)用

人臉辨認技術(shù)當前主要應(yīng)用于公共平安領(lǐng)域，如：辨認追蹤恐怖分子、布控犯罪率高發(fā)地區(qū)、機場安檢、司機駕照驗證、成都視頻監(jiān)控等。然而，人臉辨認技術(shù)在商業(yè)銀行同樣存在著巨大的發(fā)展空間。未來，商業(yè)銀行可以從平安防控和業(yè)務(wù)推動兩方面著手，對人臉辨認技術(shù)在銀行落地進行全面部署和實施。