有心人肯定還記得，在2015年德國漢諾威消費電子博覽會開幕式上，阿里巴巴董事局主席馬云首次向外界展示了臉部識別技術，他將自己的臉放置于機器的識別框內，系統自動識別并完成了支付，為他購買了一張1948年漢諾威工業博覽會的紀念郵票。

　　如今臉部識別技術場景已經從德國漢諾威走向了更廣闊的領域。目前刷臉支付、火車站進站、考生入場等都會應用到臉部識別技術，刷臉時代已然來臨。

　　從蘋果在iPhone5s上集成了指紋識別開始，生物檢測識別就開始真正的流行起來，而蘋果最新的iPhoneX又將指紋識別一刀砍掉，將面部識別作為唯一的生物識別方式。 

　　隨之而來的便是其他廠商的一系列跟進，畢竟蘋果在手機上集成的面部識別，才是更加接近于大眾認可的面部識別。最開始的面部識別能用照片解鎖就已經是一個笑話了，識別速度更是雞肋。 

　　不過在指紋識別大行其道的今天，智能鎖有必要也跟進手機廠商，將面部識別加入到智能鎖當中徹底代替指紋識別嗎？筆者認為有必要從三個角度來考慮這個問題：1、拒真率；2、認假率；3、識別動機

　　需要說明的是，截止到目前，蘋果的“面容ID”的識別方式是最先進，也是最有可能被未來的智能鎖大規模采用的面部識別方案，所以下文的面部識別都以蘋果的“面容ID”舉例。

　　一、拒真率
拒真率和認假率是指紋識別中兩個比較重要的指標。拒真率，即FRR(False Rejection Rate)，簡單來說就是將正確的信息(比如說指紋、人臉)給錯誤的拒絕掉的概率。

　　蘋果iPhoneX剛上市不久，就有很多人抱怨在手機上使用密碼解鎖的頻率，大大超過了以往所有采用指紋識別手機的時候，還有很多人抱怨在床上側躺著的時候根本無法通過面部識別解鎖，只能輸入密碼才能解鎖。而這就是面部識別拒真率過高導致的結果。

　　而在指紋識別上，這個問題卻很少發生。這就是人臉面部信息與指紋的信息特點不同導致的區別。

　　指紋識別是將手指按壓在識別模塊上，而按在平面上的指紋圖像通常是不會有大的變化的，圖像特征穩定，而且信息密集，使得加密后識別的準確率也會比較穩定。

　　但是面部的特征就不一樣了，盡管“面容ID”已經在獲取信息方面從2D圖像識別進化到3D景深識別，還在處理器中加入了神經網絡芯片。但是每個人的面部特征最主要還是根據骨骼來形成，不同情況下也會有所變化。

　　比如說讓一個人在跑步機上跑，再用錄像機錄下面部的信息，除了抖抖抖抖抖~的表情包以外，你會發現幾乎每一張截圖的面部特征信息都會不一樣，區別大的兩張截圖甚至會讓你認為是兩個人。人類有時都識別不出來一個人不同情況下的面部信息，更不用說剛起步的神經網絡芯片了。

　　而上面所說的情況，還沒有包含化妝、戴眼鏡，戴口罩、睡眠不好導致的黑眼圈和眼袋等情況。至于變胖變瘦，蘋果聲稱已經可以在變化的過程中逐漸適應，而其他3D面容識別的技術似乎還未達到這個效果，不過這項技術很快就可以跟進。

　　除了拒真率以外，認假率也是面部識別一個爭議比較大的地方。

　　二、認假率

　　認假率，即FAR(False Rejection Rate)，也稱為“誤識率”。就是將錯誤的信息判斷成正確的，最后通過了認證。這種指標在指紋識別上很難出現什么問題，因為你很難找到兩個相近指紋的人，指紋的特征也沒有規律，所以在指紋識別上，認假率高最有可能是和加密算法有關系。

　　而在面部識別上，這個認假率就有著很大的問題。最突出的問題就是雙(多)胞胎導致的面容相仿的問題。前不久有人做過這個實驗，將幾對雙胞胎中的一個人通過iPhoneX錄入面部信息，然后讓雙胞胎中的另一位試圖解鎖。

　　從實際測試結果來看，這種情況的認假率高達近50%。更是有新聞爆出國內完全沒有親緣關系的兩個人，僅僅因為長相相似，就可以解鎖同一部iPhoneX。盡管iPhoneX上面的“面容ID”檢測的特征點數遠比人類觀察面部時采集的特征多很多，但是在雙胞胎，尤其是長相十分接近的同卵雙胞胎面前，還是會敗下陣來。

　　很多人(包括筆者這種臉盲在內)都經常會區分不開兩個雙胞胎，而想要使算法并不足夠成熟的神經網絡芯片能夠區分開雙胞胎或者長相相近的兩個人，都需要非常長的時間來進行算法上的進化。

　　不過值得高興的是，隨著面部識別由2D圖像識別進化到3D景深識別，僅用照片或者視頻就將手機解鎖的情況將不復存在，這也是識別技術的進步帶來的優勢，也直接將面部識別的認假率提高了好幾個等級。

　　但是將面部識別的這種失誤放在智能鎖上，排除極個別雙胞胎關系不好導致的問題。絕大多數的雙胞胎都會歡迎自己的同胞兄弟走進家門。所以在成熟的3D景深面部識別面前，智能鎖的認假率應該不是什么大的問題，畢竟認假率難點不在于被破解，而在于找到那個長得像的人。

　　真正大的問題是接下來要說的：識別動機。