【材料一】
从识准到验真：人脸识别发展之路
……
人脸识别技术包括人脸特征提取和分类器设计等，是生物特征识别领域中的重点研究项目。人脸识别系统的研究始于20世纪60年代，80年代以后随着计算机技术和光学成像技术的发展得到提高，于90年代后期进入初级应用阶段。与其他身份验证技术相比，人脸识别具有无需用户专门配合、接触等独特优势，使远距离身份验证成为可能，例如，通过监控摄像头进行个人身份验证。人脸识别系统将捕获到的图像数据上传到执行人脸检测和面部人脸识别的服务器，数据处理的负载主要集中在服务器上。
2014年前后，随着大数据和深度学习的发展，神经网络备受瞩目，深度学习的出现使人脸识别技术取得了突破性进展。深度学习是机器学习的一种，其概念源于人工神经网络的研究，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。区别于传统的浅层学习，深度学习的不同在于一方面通常有5层以上的多层隐层节点，模型结构深度大；另一方面利用大数据来学习特征，明确了特征学习的重要性。随着深度卷积神经网络和大规模数据集的最新发展，深度人脸识别取得了显著进展，基于深度学习的人脸识别技术可以通过网络自动学习人脸面部特征，从而提高人脸检测效率。
从人脸表达模型来看，可细分为2D人脸识别和3D人脸识别。基于2D的人脸识别通过2D摄像头拍摄平面成像，研究时间相对较长，在多个领域都有使用，但由于2D信息存在深度数据丢失的局限性，收集的信息有限，安全级别不够高，在实际应用中存在不足。早在2019年，就有小学生手举照片“攻破”了快递柜的人脸识别系统。基于3D的人脸识别系统通过3D摄像头立体成像，由两个摄像头、一个红外线补光探头和一个可见光探头相互配合形成3D图像，能够准确分辨出照片、视频、面具等逼真的攻击手段。
根据使用摄像头成像原理，目前3D人脸识别主要有三种主流方案，分别是3D结构光方案、时差测距技术3D方案和双目立体成像方案。基于3D结构光的人脸识别已在一些智能手机上实际应用。2009年微软推出的Kinect则采用了TOF方式获取3D数据，颠覆了游戏的单一操作，为人机体感交互提供了有益探索。双目立体成像方案基于视差原理，通过多幅图像恢复物体的三维信息，由于对相机焦距、两个摄像头平面位置等要求较高，应用范围相对于3D结构光和TOF方案较窄。
除了能够准确识人，精准判断捕捉到的人脸是真实的也至关重要。活体检测技术能够在系统摄像头正确识别人脸的同时，验证用户是本人而不是照片、视频等常见攻击手段。目前活体检测分为三种，分别是配合式活体检测、静默活体检测和双目活体防伪检测。其中，配合式活体检测最为常见，比如在银行“刷脸”办理业务、在手机端完成身份认证等应用场景，通常需要根据文字提示完成左看右看、点头、眨眨眼等动作，通过人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人。
人脸与人体的其他生物特征（如指纹、虹膜等）一样与生俱来，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。随着大数据和深度学习的不断发展，人脸识别效率显著提升，为远程办理业务的身份认证环节提供了可靠保障。但与此同时，人脸信息保护、隐私安全等问题也应引起重视。
（摘自《人民邮电报》2022年6月2日）
【材料二】
2019年4月27日，杭州市民郭兵购买杭州市野生动物世界双人年卡，留存相关个人身份信息，并录入指纹和拍照。其后，野生动物世界将年卡入园方式由指纹识别调整为人脸识别，并向郭兵发送短信通知相关事宜，要求其进行人脸激活，双方协商未果，郭兵将杭州市野生动物园告上法庭。2020年11月20日，浙江省杭州市富阳区人民法院作出一审判决，判令野生动物世界赔偿郭兵合同利益损失及交通费共计1038元；删除郭兵办理指纹年卡时提交的包括照片在内的面部特征信息。
（摘自《法制现场》2022年2月9日）
