人脸识别
人脸识别，通过人的脸部特征信息进行身份识别。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。
生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。
2523次播放00:52
人工智能时代别让你的孩子成为科技盲！一分钟带你认识人脸识别。
201次播放00:57
“一分钟”带你了解什么是人脸识别
人脸识别
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，人脸识别
它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点：非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”；非接触性：用户不需要和设备直接接触就能获取人脸图像；并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别；除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。（图）慧眼人脸识别考勤机
视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。人脸识别技术无疑是最佳的选择，采用快速人脸检测技术可以从监控视频图象中实时查找人脸，并与人脸数据库进行实时比对，从而实现快速身份识别。但近距离人脸识别技术对用户的种种限制使得其在视频监控中难以使用。面向视频监控的远距离人脸识别技术在强劲的需求带动下应运而生。由于视频监控摄像机距离目标较远且用户处于非配合的运动状态，使得采集质量好的人脸图像比较困难，极易产生运动模糊，所采集图像的质量远低于近距离配合状态下获取的人脸图像；同时由于用户处于非配合的运动状态，活动更自由，侧脸和背对摄像机的概率大大增加，这就给人脸检测、人脸跟踪、人脸对比识别带来相当大的困难；此外。监控场景中通常会有多人同时出现，身体容易相互遮挡，给身份关联带来一定的困难，且系统还需要对每一个人保持跟踪识别，这一系列因素导致面向视频监控的远距离人脸识别难度非常大。
经过长期持续的研究探索，在视频监控人脸识别技术上取得重大阶段性进展，使得把人脸识别技术应用在视频监控上成为可能。相对于近红外人脸识别技术，可见光人脸识别会受到光线变化的影响和照片视频的攻击，但另一方因其可以很方便的与现有各种普通监控摄像头联系，不需要专用的红外摄像头，所以在与传统监控相结合，乃至升级都比较方便。但其自身局限性也决定了其识别准确率远不及近红外技术，所以建议开发者使用在辅助人工之场合，例如人脸监控，VIP通道等。
人脸识别的方法很多，主要的人脸识别方法有：
（1）几何特征的人脸识别方法：几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关系（如相互之间的距离）。这些算法识别速度快，需要的内存小，但识别率较低。
（2）基于特征脸（PCA）的人脸识别方法：特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。目前有一些改进型的特征脸方法。
（3）神经网络的人脸识别方法：神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。
（4）弹性图匹配的人脸识别方法：弹性图匹配法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位置附近的信息。该方法结合了灰度特性和几何因素，在比对时可以允许图像存在弹性形变，在克服表情变化对识别的影响方面收到了较好的效果，同时对于单个人也不再需要多个样本进行训练。人脸识别
（5）线段Hausdorff 距离(LHD) 的人脸识别方法：心理学的研究表明，人类在识别轮廓图（比如漫画）的速度和准确度上丝毫不比识别灰度图差。LHD是基于从人脸灰度图像中提取出来的线段图的，它定义的是两个线段集之间的距离，与众不同的是，LHD并不建立不同线段集之间线段的一一对应关系，因此它更能适应线段图之间的微小变化。实验结果表明，LHD在不同光照条件下和不同姿态情况下都有非常出色的表现，但是它在大表情的情况下识别效果不好。
（6）支持向量机(SVM) 的人脸识别方法：近年来，支持向量机是统计模式识别领域的一个新的热点，它试图使得学习机在经验风险和泛化能力上达到一种妥协，从而提高学习机的性能。支持向量机主要解决的是一个2分类问题，它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。通常的实验结果表明SVM有较好的识别率，但是它需要大量的训练样本（每类300个），这在实际应用中往往是不现实的。而且支持向量机训练时间长，方法实现复杂，该函数的取法没有统一的理论。
基于人脸特征点的识别算法（Feature-based recognition algorithms）。
基于整幅人脸图像的识别算法（Appearance-based recognition algorithms）。
基于模板的识别算法（Template-based recognition algorithms）。
利用神经网络进行识别的算法（Recognition algorithms using neural network）。
人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
人脸图像采集及检测
人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。
主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。
人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。
人脸图像预处理
人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
人脸图像特征提取
人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。
基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
人脸图像匹配与识别
人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。
人脸识别主要用于身份识别。
（图）行者人脸识别服务器
人脸识别的应用主要有：●门禁系统：受安全保护的地区可以通过人脸识别辨识试图进入者的身份。
●摄像监视系统：在例如机场、体育场、超级市场等公共场所对人群进行监视，以达到身份识别的目的。例如在机场安装监视系统以防止恐怖分子登机。
●网络应用：利用人脸识别辅助信用卡网络支付，以防止非信用卡的拥有者使用信用卡等。
人脸注册，人脸检测，人脸识别，人脸比对
识别快速：识别时间小于1秒
准确率：达到85％
支持比对：1：1；1：N
多人脸实时监测：能同时检测和识别同一监控视频流中的多个脸部。
人脸识别技术
一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。
人脸识别算法分类
基于人脸特征点的识别算法（Feature-based recognition algorithms）。
基于整幅人脸图像的识别算法（Appearance-based recognition algorithms）。
基于模板的识别算法（Template-based recognition algorithms）。
利用神经网络进行识别的算法（Recognition algorithms using neural network）。
神经网络识别
基于光照估计模型理论
提出了基于Gamma灰度矫正的光照预处理方法，并且在光照估计模型的基础上，进行相应的光照补偿和光照平衡策略。
优化的形变统计校正理论
基于统计形变的校正理论，优化人脸姿态；强化迭代理论
强化迭代理论是对DLFA人脸检测算法的有效扩展；
独创的实时特征识别理论
该理论侧重于人脸实时数据的中间值处理，从而可以在识别速率和识别效能之间，达到最佳的匹配效果。
人脸识别需要积累采集到的大量人脸图像相关的数据，用来验证算法，不断提高识别准确性，这些数据诸如A Neural Network Face Recognition Assignment(神经网络人脸识别数据)、orl人脸数据库、麻省理工学院生物和计算学习中心人脸识别数据库、埃塞克斯大学计算机与电子工程学院人脸识别数据等。
现有的人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果。但是，在用户不配合、采集条件不理想的情况下，现有系统的识别率将陡然下降。比如，人脸比对时，与系统中存储的人脸有出入，例如剃了胡子、换了发型、多了眼镜、变了表情都有可能引起比对失败。
优势
人脸识别的优势在于其自然性和不被被测个体察觉的特点。
所谓自然性，是指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有虹膜识别语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。
不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。
困难
人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。
相似性
人脸类似性
不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。
易变性
人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。
在人脸识别中，第一类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称第一类变化为类间变化（inter-class difference），而称第二类变化为类内变化（intra-class difference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。
生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准确地完成了用户身份鉴定，办理完业务。这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。此外，美国“9.11”事件后，反恐怖活动已成为各国政府的共识，加强机场的安全防务十分重要。美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。
当前社会上频繁出现的入室偷盗、抢劫、伤人等案件的不断发生，鉴于此种原因，防盗门开始走进千家万户，给家庭带来安宁；然而，随着社会的发展，技术的进步，生活节奏的加速，消费水平的提高，人们对于家居的期望也越来越高，对便捷的要求也越来越迫切，基于传统的纯粹机械设计的防盗门，除了坚固耐用外，很难快速满足这些新兴的需求：便捷，开门记录等功能。人脸识别技术已经得到广泛的认同，但其应用门槛仍然很高：技术门槛高（开发周期长），经济门槛高（价格高）。
人脸识别产品已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领域。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。
1、企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。
2、电子护照及身份证。中国的电子护照计划公安部一所正在加紧规划和实施。
3、公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。
4、自助服务。
5、信息安全。使用生物特征，可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和电子政务系统的可靠性。
刷脸时代
2012年，上海虹桥站、天津西站和济南西站三个车站安检区域将安装用于身份识别的高科技安检系统——人脸识别系统，以协助公安部门抓捕在逃案犯。[1]2013年7月。芬兰一家企业推出全球首个“刷脸”支付系统。结账时，消费者只需在收银台面对POS机屏幕上的摄像头，系统自动拍照，扫描消费者面部，等身份信息显示出后，在触摸显示屏上点击确认完成交易。无需信用卡、钱包或手机。整个交易过程不超5秒钟。不过，也有人认为，“这点时间，通常也就够你拿出钱包”。
芬兰初创公司Uniqul已为这套基于面部识别技术的“刷脸”支付系统申请专利。
2015年5月，全球第一台具有人脸识别功能的ATM机在杭州诞生。该机器由清华大学与某公司联合研发，是我国首台具有自主知识产权的金融安全设备。所谓ATM机的人脸识别，是通过读取用户身份证上的照片信息，然后将照片和ATM机顶端摄像头摄录下来的取款人面容进行比对。它可与银行、公安等系统联网，从而遏制犯罪。
数码相机
人脸自动对焦和笑脸快门技术：首先是面部捕捉。它根据人的头部的部位进行判定，首先确定头部，然后判断眼睛和嘴巴等头部特征，通过特征库的比对，确认是人面部，完成面部捕捉。然后以人脸为焦点进行自动对焦，可以大大的提升拍出照片的清晰度。笑脸快门技术就是在人脸识别的基础上，完成了面部捕捉，然后开始判断嘴的上弯程度和眼的下弯程度，来判断是不是笑了。以上所有的捕捉和比较都是在对比特征库的情况下完成的，所以特征库是基础，里面有各种典型的面部和笑脸特征数据。
门禁系统
受安全保护的地区可以通过人脸识别辨识试图进入者的身份。人脸识别系统可用于企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。
人脸识别门禁是基于先进的人脸识别技术，结合成熟的ID卡和指纹识别技术而推出的安全实用的门禁产品。产品采用分体式设计，人脸、指纹和ID卡信息的采集和生物信息识别及门禁控制内外分离，实用性高、安全可靠。系统采用网络信息加密传输，支持远程进行控制和管理，可广泛应用于银行、军队、公检法、智能楼宇等重点区域的门禁安全控制。
身份辨识
如电子护照及身份证。这或许是未来规模应用。在国际民航组织已确定，从 2010年 4月 1日起，其 118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准。美国已经要求和它有出入免签证协议的国家在2006年10月 26日之前必须使用结合了人脸指纹等生物特征的电子护照系统，到 2006年底已经有 50多个国家实现了这样的系统。美国运输安全署（ Transportation Security Administration）计划在全美推广一项基于生物特征的国内通用旅行证件。欧洲很多国家也在计划或者正在实施类似的计划，用包含生物特征的证件对旅客进行识别和管理。中国的电子护照计划公安部一所正在加紧规划和实施。
可在机场、体育场、超级市场等公共场所对人群进行监视，例如在机场安装监视系统以防止恐怖分子登机。如银行的自动提款机，用户卡片和密码被盗，就会被他人冒取现金。同时应用人脸识别就会避免这种情况的发生。通过查询目标人像数据寻找数据库中是否存在重点人口基本信息。例如在机场或车站安装系统以抓捕在逃案犯。
网络应用
利用人脸识别辅助信用卡网络支付，以防止非信用卡的拥有者使用信用卡等。如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现。如果密码被盗，就无法保证安全。如果使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一。从而大大增加电子商务和电子政务系统的可靠性。人脸识别
娱乐应用
人脸识别技术广泛地应用于日常生活中，如相机拍摄，图片对比等，尤其近两年来，相亲节目如火如荼，其中浙江电视台的爱情连连看中的最佳夫妻像环节就利用了人脸对比技术来测试男女主人公面相的相似程度。
随着移动互联网的崛起，一些人脸识别技术的开发者将该项技术应用到娱乐领域中，如应用开心明星脸等，根据人脸的轮廓，肤色，纹理，质地，色彩，光照等特征来计算照片中主人公与明星的相似度。
2012年4月13日京沪高铁安检区域人脸识别系统工程开始招标，由该领域内的专家组成了核心技术研发团队，专注于以人脸识别技术为核心，覆盖考勤、门禁安防等多领域的产品设计与研发项目。现今人脸识别产品已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领域。
2013年9月5日，刷脸支付系统在中国国际金融展上亮相。 刷脸支付系统基于天诚盛业自主研发的生物识别云金融平台，将自主知识产权军用级别的人脸识别算法与现有的支付系统进行融合，对接了我们生活中涉及到支付、转账、结算和交易的环节。在支付时人们不再需要银行卡、存折和密码，甚至是手机，只需要对着摄像头点个头、露个笑脸，刷脸支付系统将会在几秒内完成身份确认、账户读取、转账支付、交易确认等一站式支付环节，为用户创建更棒的支付体验。
2014年8月起，日本将在部分机场的出入国审查(边检)处重启人脸识别系统的实验。2012年实施的首次实验因错误频发而一度中止，但法务省认为，为迎接2020年东京奥运会需提高边检速度，于是决定重启实验。实验将在2014年8月起进行约5周，对象为在羽田机场和成田机场乘机的日本人。负责实验的企业将于近期敲定。日本政府在各地机场设置了仅凭指纹识别便可通过的自动边检门，但因需要事先登记指纹，乘客利用率不高。人脸识别则无需事先登记。
2015年3月15日汉诺威IT博览会(CeBIT)在德国开幕，阿里巴巴创始人马云作为唯一受邀的企业家代表，在开幕式上作了主旨演讲。在发表演讲后，马云还为德国总理默克尔与中国副总理马凯演示了蚂蚁金服的Smile to Pay扫脸技术，并当场刷自己的脸给嘉宾买礼物。马云选择的礼物是淘宝网上一枚1948年的汉诺威纪念邮票。他用手机登陆淘宝，首先选择产品；第二步进入支付系统，确认支付后出现扫脸的页面；然后扫脸(拍照后)后台认证；接着显示支付成功。马云现场为德国总理默克尔赠送了一份特殊礼物：一张纪念版的德国日历页，且恰好就是这位女总理的出生年月。[5]
2021年7月28日，随着信息技术飞速发展，人脸识别逐步渗透到人们生活的方方面面。人脸识别技术在诸多领域发挥着巨大作用的同时，也存在被滥用的情况，最高人民法院发布司法解释，对人脸识别进行规范。 [6]
2021年7月28日，《最高人民法院关于审理使用人脸识别技术处理个人信息相关民事案件适用法律若干问题的规定》正式对外发布。[7]
2021年8月，随着人脸识别技术广泛用于现实生活，民众对其被滥用的担心也不断增加，强化人脸信息保护的呼声日益高涨。最高法出台《关于审理使用人脸识别技术处理个人信息相关民事案件适用法律若干问题的规定》，把未经自然人或其监护人单独同意的人脸信息采集行为明确界定为“侵权”，这不仅回应了民众呼唤保护人脸信息的正当诉求，也为司法部门处理此类纠纷提供了法律依据，更增强了公民对其人格权益保护的法律底气。 [8]
2021年8月20日，十三届全国人大常委会第三十次会议表决通过《中华人民共和国个人信息保护法》，自2021年11月1日起施行。针对滥用人脸识别技术问题，本法要求，在公共场所安装图像采集、个人身份识别设备，应设置显著的提示标识；所收集的个人图像、身份识别信息只能用于维护公共安全的目的。 [9]
2021年11月14日，国家网信办公布《网络数据安全管理条例（征求意见稿）》，并向社会公开征求意见。征求意见稿提出，数据处理者利用生物特征进行个人身份认证的，应当对必要性、安全性进行风险评估，不得将人脸、步态、指纹、虹膜、声纹等生物特征作为唯一的个人身份认证方式，以强制个人同意收集其个人生物特征信息。[10]
2021年3月26日，北京东城法院召开线上新闻发布会，发布个人信息保护的调研成果。调研指出，新兴个人信息收集形式引发的案件应引起重视，在诉讼中应严格按照最小必要的原则进行审查。
人脸识别这种形式，适用范围较广，除在经济领域广泛使用外，疫情期间的健康宝等App、一些小区推行的人脸识别入口、公厕刷脸取纸、公园年卡与人脸识别绑定等普遍开始适用。应重保护，而非利用，在诉讼中应当严格按照最小必要的原则进行审查。二是疫情期间涉个人健康、医疗等信息收集大幅增长。互联网医疗这一新型的问诊形式可能带来新的个人信息问题。[3]
2021年7月28日，最高人民法院发布司法解释，对人脸识别进行规范。
最高法发布司法解释 规范人脸识别应用
最高法有关负责人介绍，近年来，一些经营者滥用人脸识别技术侵害自然人合法权益的事件频发，引发社会公众的普遍关注和担忧。
最高人民法院副院长 杨万明：比如，有些知名门店使用“无感式”人脸识别技术在未经同意的情况下擅自采集消费者人脸信息，分析消费者的性别、年龄、心情等，进而采取不同营销策略。上述行为严重损害自然人的人格权益，亟待进行规制。
最高法在充分调研基础上制定司法解释，对人脸信息提供司法保护。解释明确规定，在宾馆、商场、银行、车站、机场、体育场馆、娱乐场所等经营场所、公共场所违反法律、行政法规的规定使用人脸识别技术进行人脸验证、辨识或者分析，应当认定属于侵害自然人人格权益的行为。
物业不得强制将人脸识别作为出入小区唯一验证方式
伴随着人脸识别技术应用场景的不断丰富，一些小区引入人脸识别系统，用“刷脸”代替“刷卡”，社会各界对此有不同看法，有人认为将人脸识别作为住户身份验证方式，是一种智能化管理，可以更精准识别出入小区人员，让小区管理更安全、更高效。也有意见认为，在录入人脸信息时，小区物业要求人脸信息和详细住址、身份信息相绑定，这些信息一旦泄露，可能给公民个人隐私造成损害。那么新出台的司法解释对此是如何看待的，继续来看报道。
最高法有关负责人表示，小区物业强制“刷脸”的问题，社会普遍关注。人脸信息属于敏感个人信息，小区物业对人脸信息的采集、使用必须依法征得业主或者物业使用人的同意。只有业主或者物业使用人自愿同意使用人脸识别，对人脸信息的采集、使用才有了合法性基础。
最高人民法院研究室副主任 郭锋：实践中，部分小区物业强制要求居民录入人脸信息，并将人脸识别作为出入小区的唯一验证方式，这种行为违反“告知同意”原则，群众质疑声较大。我们应该拥抱新科技，但同时也要尊重人格权益。小区物业不能以智能化管理为由，侵害居民人格权益。
为此，《规定》明确：“物业服务企业或者其他建筑物管理人以人脸识别作为业主或者物业使用人出入物业服务区域的唯一验证方式，不同意的业主或者物业使用人请求其提供其他合理验证方式的，人民法院依法予以支持。”根据这一规定，小区物业在使用人脸识别门禁系统录入人脸信息时，应当征得业主或者物业使用人的同意，对于不同意的业主或者物业使用人，小区物业应当提供替代性验证方式，不得侵害业主或物业使用人的人格权益和其他合法权益。
最高法：处理未成年人人脸信息 须征得监护人的单独同意
伴随着人脸识别应用场景越来越广泛，未成年人的人脸信息被采集的场景也越来越多。未成年人的人脸信息一旦泄露，侵权影响甚至可能伴随其一生。因此，新的司法解释对未成年人的人脸信息保护进行了专门规定。
最高法有关负责人介绍，我国《未成年人保护法》《网络安全法》等法律对未成年人的网络保护作出了专门规定：如信息处理者处理不满十四周岁未成年人个人信息的，应当征得未成年人的父母或者其他监护人同意；未成年人、父母或者其他监护人要求信息处理者更正、删除未成年人个人信息的，信息处理者应当及时采取措施予以更正、删除。新司法解释坚持最有利于未成年人原则，从司法审判层面加强对未成年人人脸信息的保护。
最高人民法院研究室副主任 郭锋：按照告知同意原则，根据第2条第3项的规定，信息处理者处理未成年人人脸信息的，必须征得其监护人的单独同意。关于具体年龄，可依据《未成年人保护法》《网络安全法》以及将来的《个人信息保护法》进行认定。
最高法表示，从责任认定角度看，新规结合当前未成年人人脸信息保护现状，明确将“受害人是否未成年人”作为责任认定特殊考量因素，对于违法处理未成年人人脸信息的，在责任承担时依法予以从重从严，确保未成年人人脸信息依法得到特别保护，呵护未成年人健康成长。
应用程序不得强制索取非必要个人信息
长期以来，部分移动应用程序通过一揽子授权、与其他授权捆绑、“不点击同意就不提供服务”等方式强制索取非必要个人信息的问题突出，这既是广大用户的痛点，也是维权的难点。对此，司法解释明确了此类处理人脸信息的新规则。
最高法表示，由于人脸信息属于敏感个人信息，处理活动对个人权益影响重大，因此，在告知同意上，有必要设定较高标准，以确保个人在充分知情的前提下，合理考虑对自己权益的后果而作出同意。
最高人民法院研究室民事处处长 陈龙业：《规定》第2条第3项引入单独同意规则，即：信息处理者在征得个人同意时，必须就人脸信息处理活动单独取得个人的同意，而不能通过一揽子告知同意等方式征得个人的同意。
最高法介绍，基于个人同意处理人脸信息的，个人同意是信息处理活动的合法性基础。只要处理者不超出自然人同意的范围，原则上该行为就不构成侵权行为。自愿原则是民法典的基本原则，个人的同意必须是基于其自愿而作出。
最高人民法院研究室民事处处长 陈龙业：特别是对人脸信息的处理，不能带有任何强迫因素。如果信息处理者采取“与其他授权捆绑”、“不点击同意就不提供服务”等模式，会导致自然人无法单独对人脸信息作出自愿同意，或者被迫同意处理其本不欲提供且非必要的人脸信息。
为强化人脸信息保护，防止信息处理者对人脸信息的不当采集，《规定》第4条对处理人脸信息的有效同意采取从严认定的思路。对于信息处理者采取“与其他授权捆绑”、“不点击同意就不提供服务”等方式强迫或者变相强迫自然人同意处理其人脸信息的，信息处理者据此认为其已征得相应同意的，人民法院不予支持。
明确五类情形可以使用人脸识别
刚刚我们了解了很多对禁止使用人脸识别和限制使用人脸识别的规定，那么是不是人脸识别一律不能用呢？什么情形下，信息处理者可以应用人脸识别技术收集个人信息，新规也进行了列举。
新规明确， 有下列情形之一，信息处理者主张其不承担民事责任的，人民法院依法予以支持：
（一）为应对突发公共卫生事件，或者紧急情况下为保护自然人的生命健康和财产安全所必需而处理人脸信息的；
（二）为维护公共安全，依据国家有关规定在公共场所使用人脸识别技术的；
（三）为公共利益实施新闻报道、舆论监督等行为在合理的范围内处理人脸信息的；
（四）在自然人或者其监护人同意的范围内合理处理人脸信息的；
（五）符合法律、行政法规规定的其他情形。
最高人民法院副院长 杨万明：《规定》充分考量人脸识别技术的积极作用，一方面规范信息处理活动，保护敏感个人信息，另一方面注重促进数字经济健康发展，保护人脸识别技术的合法应用。
为了避免对信息处理者课以过重责任，妥善处理好惩戒侵权和鼓励数字科技发展之间的关系，《规定》第16条明确了本司法解释不溯及既往的基本规则，即：对于信息处理者使用人脸识别技术处理人脸信息、处理基于人脸识别技术生成的人脸信息的行为发生在本规定施行前的，不适用本规定。[4]
2022年11月15日，据IT之家消息，意大利宣布禁止使用面部识别和“智能眼镜”，其数据保护局对两个正在试验这些技术的城市进行了斥责。[11]
[1] 人脸识别技术资料 · 电子产品世界[引用日期2014-01-17]
[2] 2021年3·15晚会 · 央视网[引用日期2021-03-15]
[3] 人脸识别等个人信息保护案引重视 法院：按最小必要原则审查|民法典_新浪财经_ · 新浪网[引用日期2021-03-26]
[4] 不得强制索取非必要个人信息！最高法发布司法解释规范人脸识别应用| · 界面新闻 · 快讯[引用日期2021-07-28]
[5] 马云德国首秀“刷脸支付” 送默克尔淘宝礼物_财经频道_凤凰网 · 凤凰网[引用日期2021-12-05]
生物识别技术
共9个词条1290阅读
人脸识别
一种生物识别技术
指纹识别
通过比较不同指纹的细节特征来进行鉴别的技术
掌纹识别
进行身份识别的生物特征技术
查看更多
全部
2523次播放00:52
人工智能时代别让你的孩子成为科技盲！一分钟带你认识人脸识别。
201次播放00:57
“一分钟”带你了解什么是人脸识别
朱云峰
文松
田娃
浪漫满屋
宋晓峰
张子栋
无线应用通讯协议
硬件解码
NOR Flash
大猩猩玻璃
端墙
指南针