人臉識別技術

自七十年代以來，人臉識別已經成為了計算機視覺和生物識別領域被研究最多的主題之一。基於人工設計的特徵和傳統機器學習技術的傳統方法近來已被使用非常大型的數據集訓練的深度神經網路取代。在這篇論文中，我們對流行的人臉識別方法進行了全面且最新的文獻總結，其中既包括傳統方法（基於幾何的方法、整體方法、基於特徵的方法和混合方法），也有深度學習方法。

人臉識別技術是基於人的臉部特徵，對輸入的人臉圖像或者視頻流.首先判斷其是否存在人臉,如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。並依據這些信息，進一步提取每個人臉中所蘊涵的身份特徵，並將其與已知的人臉進行對比，從而識別每個人臉的身份。

廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像採集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統。

生物特徵識別技術所研究的生物特徵包括臉、指紋、手掌紋、虹膜、視網膜、聲音（語音）、體形、個人習慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別（用語音識別可以進行身份識別，也可以進行語音內容的識別，只有前者屬於生物特徵識別技術）、體形識別、鍵盤敲擊識別、簽字識別等。

人臉識別技術包含三個部分：

(1)人臉檢測

面貌檢測是指在動態的場景與複雜的背景中判斷是否存在面像，並分離出這種面像。一般有下列幾種方法：

①參考模板法

首先設計一個或數個標準人臉的模板，然後計算測試採集的樣品與標準模板之間的匹配程度，並通過閾值來判斷是否存在人臉；

②人臉規則法

由於人臉具有一定的結構分佈特徵，所謂人臉規則的方法即提取這些特徵生成相應的規則以判斷測試樣品是否包含人臉；

③樣品學習法

這種方法即採用模式識別中人工神經網路的方法，即通過對面像樣品集和非面像樣品集的學習產生分類器；

④膚色模型法

這種方法是依據面貌膚色在色彩空間中分佈相對集中的規律來進行檢測。

⑤特徵子臉法

這種方法是將所有面像集合視為一個面像子空間，並基於檢測樣品與其在子空間的投影之間的距離判斷是否存在面像。

值得提出的是，上述5種方法在實際檢測系統中也可綜合採用。

(2)人臉跟蹤

面貌跟蹤是指對被檢測到的面貌進行動態目標跟蹤。具體採用基於模型的方法或基於運動與模型相結合的方法。此外，利用膚色模型跟蹤也不失為一種簡單而有效的手段。

(3)人臉比對

面貌比對是對被檢測到的面貌像進行身份確認或在面像庫中進行目標搜索。這實際上就是說，將採樣到的面像與庫存的面像依次進行比對，並找出最佳的匹配對象。所以，面像的描述決定了面像識別的具體方法與性能。主要採用特徵向量與面紋模板兩種描述方法：

①特徵向量法

該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性，然後再計算出它們的幾何特徵量，而這些特徵量形成一描述該面像的特徵向量。

②面紋模板法

該方法是在庫中存貯若干標準面像模板或面像器官模板，在進行比對時，將採樣面像所有象素與庫中所有模板採用歸一化相關量度量進行匹配。此外，還有採用模式識別的自相關網路或特徵與模板相結合的方法。

人臉識別技術的核心實際為“局部人體特徵分析”和“圖形/神經識別演演算法。”這種演演算法是利用人體面部各器官及特徵部位的方法。如對應幾何關係多數據形成識別參數與資料庫中所有的原始參數進行比較、判斷與確認。一般要求判斷時間低於1秒。

一般分三步：

(1)首先建立人臉的面像檔案。即用攝像機採集單位人員的人臉的面像文件或取他們的照片形成面像文件，並將這些面像文件生成面紋(Faceprint)編碼貯存起來。

(2)獲取當前的人體面像。即用攝像機捕捉的當前出入人員的面像，或取照片輸入，並將當前的面像文件生成面紋編碼。

(3)用當前的面紋編碼與檔案庫存的比對。即將當前的面像的面紋編碼與檔案庫存中的面紋編碼進行檢索比對。上述的“面紋編碼”方式是根據人臉臉部的本質特徵和開頭來工作的。這種面紋編碼可以抵抗光線、皮膚色調、面部毛髮、髮型、眼鏡、表情和姿態的變化，具有強大的可靠性，從而使它可以從百萬人中精確地辨認出某個人。人臉的識別過程，利用普通的圖像處理設備就能自動、連續、實時地完成。

人臉識別系統主要包括四個組成部分，分別為：人臉圖像採集及檢測、人臉圖像預處理、人臉圖像特徵提取以及匹配與識別。

人臉圖像採集及檢測

人臉圖像採集：不同的人臉圖像都能通過攝像鏡頭採集下來，比如靜態圖像、動態圖像、不同的位置、不同表情等方面都可以得到很好的採集。當用戶在採集設備的拍攝範圍內時，採集設備會自動搜索並拍攝用戶的人臉圖像。

人臉檢測：人臉檢測在實際中主要用於人臉識別的預處理，即在圖像中準確標定出人臉的位置和大小。人臉圖像中包含的模式特徵十分豐富，如直方圖特徵、顏色特徵、模板特徵、結構特徵及Haar特徵等。人臉檢測就是把這其中有用的信息挑出來，並利用這些特徵實現人臉檢測。

主流的人臉檢測方法基於以上特徵採用Adaboost學習演演算法，Adaboost演演算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法。

人臉檢測過程中使用Adaboost演演算法挑選出一些最能代表人臉的矩形特徵(弱分類器)，按照加權投票的方式將弱分類器構造為一個強分類器，再將訓練得到的若干強分類器串聯組成一個級聯結構的層疊分類器，有效地提高分類器的檢測速度。

人臉圖像預處理

人臉圖像預處理：對於人臉的圖像預處理是基於人臉檢測結果，對圖像進行處理並最終服務於特徵提取的過程。系統獲取的原始圖像由於受到各種條件的限制和隨機干擾，往往不能直接使用，必須在圖像處理的早期階段對它進行灰度校正、雜訊過濾等圖像預處理。對於人臉圖像而言，其預處理過程主要包括人臉圖像的光線補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等。

人臉圖像特徵提取

人臉圖像特徵提取：人臉識別系統可使用的特徵通常分為視覺特徵、像素統計特徵、人臉圖像變換係數特徵、人臉圖像代數特徵等。人臉特徵提取就是針對人臉的某些特徵進行的。人臉特徵提取，也稱人臉表徵，它是對人臉進行特徵建模的過程。人臉特徵提取的方法歸納起來分為兩大類：一種是基於知識的表徵方法；另外一種是基於代數特徵或統計學習的表徵方法。

基於知識的表徵方法主要是根據人臉器官的形狀描述以及他們之間的距離特性來獲得有助於人臉分類的特徵數據，其特徵分量通常包括特徵點間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構成，對這些局部和它們之間結構關係的幾何描述，可作為識別人臉的重要特徵，這些特徵被稱為幾何特徵。基於知識的人臉表徵主要包括基於幾何特徵的方法和模板匹配法。

人臉圖像匹配與識別

人臉圖像匹配與識別：提取的人臉圖像的特徵數據與資料庫中存儲的特徵模板進行搜索匹配，通過設定一個閾值，當相似度超過這一閾值，則把匹配得到的結果輸出。人臉識別就是將待識別的人臉特徵與已得到的人臉特徵模板進行比較，根據相似程度對人臉的身份信息進行判斷。這一過程又分為兩類：一類是確認，是一對一進行圖像比較的過程，另一類是辨認，是一對多進行圖像匹配對比的過程。

人臉捕獲是指在一幅圖像或視頻流的一幀中檢測出人像並將人像從背景中分離出來，並自動地將其保存。人像跟蹤是指利用人像捕獲技術，當指定的人像在攝像頭拍攝的範圍內移動時自動地對其進行跟蹤。

人臉識別分核實式和搜索式二種比對模式。核實式是對指將捕獲得到的人像或是指定的人像與資料庫中已登記的某一對像作比對核實確定其是否為同一人。搜索式的比對是指，從資料庫中已登記的所有人像中搜索查找是否有指定的人像存在。

可以將登記入庫的人像數據進行建模提取人臉的特徵，並將其生成人臉模板（人臉特徵文件）保存到資料庫中。在進行人臉搜索時（搜索式），將指定的人像進行建模，再將其與資料庫中的所有人的模板相比對識別，最終將根據所比對的相似值列出最相似的人員列表。

系統可以識別得出攝像頭前的人是一個真正的人還是一幅照片。以此杜絕使用者用照片作假。此項技術需要使用者作臉部表情的配合動作。

圖像質量的好壞直接影響到識別的效果，圖像質量的檢測功能能對即將進行比對的照片進行圖像質量評估，並給出相應的建議值來輔助識別。

分析演演算法

人臉識別技術中被廣泛採用的區域特徵分析演演算法，它融合了計算機圖像處理技術與生物統計學原理於一體，利用計算機圖像處理技術從視頻中提取人像特徵點，利用生物統計學的原理進行分析建立數學模型，即人臉特徵模板。利用已建成的人臉特徵模板與被測者的人的面像進行特徵分析，根據分析的結果來給出一個相似值。通過這個值即可確定是否為同一人。

人臉識別的方法很多，主要的人臉識別方法有：

（1）幾何特徵的人臉識別方法：幾何特徵可以是眼、鼻、嘴等的形狀和它們之間的幾何關係（如相互之間的距離）。這些演演算法識別速度快，需要的內存小，但識別率較低。

（2）基於特徵臉（PCA）的人臉識別方法：特徵臉方法是基於KL變換的人臉識別方法，KL變換是圖像壓縮的一種最優正交變換。高維的圖像空間經過KL變換后得到一組新的正交基，保留其中重要的正交基，由這些基可以張成低維線性空間。如果假設人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識別的特徵矢量，這就是特徵臉方法的基本思想。這些方法需要較多的訓練樣本，而且完全是基於圖像灰度的統計特性的。目前有一些改進型的特徵臉方法。

（3）神經網路的人臉識別方法：神經網路的輸入可以是降低解析度的人臉圖像、局部區域的自相關函數、局部紋理的二階矩等。這類方法同樣需要較多的樣本進行訓練，而在許多應用中，樣本數量是很有限的。

（4）彈性圖匹配的人臉識別方法：彈性圖匹配法在二維的空間中定義了一種對於通常的人臉變形具有一定的不變性的距離，並採用屬性拓撲圖來代表人臉，拓撲圖的任一頂點均包含一特徵向量，用來記錄人臉在該頂點位置附近的信息。該方法結合了灰度特性和幾何因素，在比對時可以允許圖像存在彈性形變，在克服表情變化對識別的影響方面收到了較好的效果，同時對於單個人也不再需要多個樣本進行訓練。

（5）線段Hausdorff距離(LHD)的人臉識別方法：心理學的研究表明，人類在識別輪廓圖（比如漫畫）的速度和準確度上絲毫不比識別灰度圖差。LHD是基於從人臉灰度圖像中提取出來的線段圖的，它定義的是兩個線段集之間的距離，與眾不同的是，LHD並不建立不同線段集之間線段的一一對應關係，因此它更能適應線段圖之間的微小變化。實驗結果表明，LHD在不同光照條件下和不同姿態情況下都有非常出色的表現，但是它在大表情的情況下識別效果不好。

（6）支持向量機(SVM)的人臉識別方法：支持向量機是統計模式識別領域的一個新的熱點，它試圖使得學習機在經驗風險和泛化能力上達到一種妥協，從而提高學習機的性能。支持向量機主要解決的是一個2分類問題，它的基本思想是試圖把一個低維的線性不可分的問題轉化成一個高維的線性可分的問題。通常的實驗結果表明SVM有較好的識別率，但是它需要大量的訓練樣本（每類300個），這在實際應用中往往是不現實的。而且支持向量機訓練時間長，方法實現複雜，該函數的取法沒有統一的理論。

一般來說，人臉識別系統包括圖像攝取、人臉定位、圖像預處理、以及人臉識別（身份確認或者身份查找）。系統輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉資料庫中的若干已知身份的人臉圖象或者相應的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。

人臉識別的演演算法可以分類為：

基於人臉特徵點的識別演演算法（Feature-basedrecognitionalgorithms）。

基於整幅人臉圖像的識別演演算法（Appearance-basedrecognitionalgorithms）。

基於模板的識別演演算法（Template-basedrecognitionalgorithms）。

利用神經網路進行識別的演演算法（Recognitionalgorithmsusingneuralnetwork）。

相比較其他生物識別技術而言：

非接觸的，用戶不需要和設備直接接觸；

非強制性，被識別的人臉圖像信息可以主動獲取；

併發性，即實際應用場景下可以進行多個人臉的分揀、判斷及識別。

對周圍的光線環境敏感，可能影響識別的準確性；

人體面部的頭髮、飾物等遮擋物，人臉變老等因素，需要進行人工智慧補償；（如可通過識別人臉的部分關鍵特性做修正）。

1．企業、住宅安全和管理。如人臉識別門禁考勤系統，人臉識別防盜門等。

2．電子護照及身份證。這或許是未來規模最大的應用。在國際民航組織（ICAO）已確定，從2010年4月1日起，其118個成員國家和地區，人臉識別技術是首推識別模式，該規定已經成為國際標準。美國已經要求和它有出入免簽證協議的國家在2006年10月26日之前必須使用結合了人臉指紋等生物特徵的電子護照系統，到2006年底已經有50多個國家實現了這樣的系統。美國運輸安全署（TransportationSecurityAdministration）計劃在全美推廣一項基於生物特徵的國內通旅行證件。歐洲很多國家也在計劃或者正在實施類似的計劃，用包含生物特徵的證件對旅客進行識別和管理。中國的電子護照計劃公安部一所正在加緊規劃和實施。

3．公安、司法和刑偵。如利用人臉識別系統和網路，在全國範圍內搜捕逃犯。

4．自助服務。如銀行的自動提款機，如果同時應用人臉識別就會避免被他人盜取現金現象的發生。

5．信息安全。如果使用生物特徵，就可以做到當事人在網上的數字身份和真實身份統一。從而大大增加電子商務和電子政務系統的可靠性。

生物識別技術被廣泛用於政府、軍隊、銀行、社會福利保障、電子商務、安全防務等領域。例如，一位儲戶走進了銀行，他既沒帶銀行卡，也沒有回憶密碼就徑直提款，當他在提款機上提款時，一台攝像機對該用戶的眼睛掃描，然後迅速而準確地完成了用戶身份鑒定，辦理完業務。這是美國德克薩斯州聯合銀行的一個營業部中發生的一個真實的鏡頭。而該營業部所使用的正是現代生物識別技術中的“虹膜識別系統”。此外，美國“9.11”事件后，反恐怖活動已成為各國政府的共識，加強機場的安全防務十分重要。美國維薩格公司的臉像識別技術在美國的兩家機場大顯神通，它能在擁擠的人群中挑出某一張面孔，判斷他是不是通緝犯。

隨著技術的進一步成熟和社會認同度的提高，人臉識別技術將應用在更多的領域。

1、企業、住宅安全和管理。如人臉識別門禁考勤系統，人臉識別防盜門等。

2、電子護照及身份證。這或許是未來規模最大的應用，國際民航組織(ICAO)已確定，從2010年起，其118個成員國家和地區，必須使用機讀護照，人臉識別技術是首推識別模式，該規定已經成為國際標準。中國的電子護照計劃公安部一所正在加緊規劃和實施。

3、公安、司法和刑偵。如利用人臉識別系統和網路，在全國範圍內搜捕逃犯。

4、自助服務。如銀行的自動提款機，如果用戶卡片和密碼被盜，就會被他人冒取現金。如果同時應用人臉識別就會避免這種情況的發生。

5、信息安全。如計算機登錄、電子政務和電子商務。在電子商務中交易全部在網上完成，電子政務中的很多審批流程也都搬到了網上。而當前，交易或者審批的授權都是靠密碼來實現，如果密碼被盜，就無法保證安全。但是使用生物特徵，就可以做到當事人在網上的數字身份和真實身份統一，從而大大增加電子商務和電子政務系統的可靠性。

2012年無錫採用物聯網人臉識別技術規範建築市場。無錫的建築工地將從6月1日起每天通過物聯網技術進行人臉識別，通過考勤管理，確保項目負責人到位，掛靠、層層轉包等現象將有望受到限制。

京滬高鐵三站已建成人臉識別系統，整容也能被識別。鐵路部門發布計劃表示，已建成的京滬高鐵段的上海虹橋站、天津西站、濟南西站這三個站點的識別系統工程，以協助公安部門抓捕在逃罪犯。利用這個系統，作案后的犯罪分子，即使整容，也將能夠被識別。

2021年7月28日，最高人民法院發布司法解釋，對人臉識別進行規範。最高法在充分調研基礎上制定司法解釋，對人臉信息提供司法保護。解釋明確規定，在賓館、商場、銀行、車站、機場、體育場館、娛樂場所等經營場所、公共場所違反法律、行政法規的規定使用人臉識別技術進行人臉驗證、辨識或者分析，應當認定屬於侵害自然人人格權益的行為。

在美國，人臉識別軟體招致來自隱私和民權組織的批評。例如，該技術對有色人種的識別率較低，經常被錯誤識別。美國共和黨和民主黨議員在聽證會曾呼籲對這項技術進行監管，稱使用這項技術可能違反憲法權利和合法程序。對於零售商而言，他們有時會使用人臉識別技術來過濾顧客，將那些被認為是商店扒手的人拒之門外，相反給予那些花錢大手大腳的人優惠待遇。據“為未來而戰”統計的數據，沃爾瑪和克羅格已承諾不使用有爭議的人工智慧技術，而艾伯森公司、梅西百貨和Lowe’sCos等公司則在使用這項技術。

2021年，超過35家美國民權組織呼籲零售商，停止使用人臉識別技術來篩查購物者，因為這項技術很可能被濫用。這些民權組織包括公共公民和全國律師公會等，他們一起加入到這場抵制活動中，敦促艾伯森公司和梅西百貨等零售商，不要利用人臉識別技術對員工和顧客進行篩查。該民權組織聯盟今日在一份聲明中稱，主要擔心這項技術被零售商濫用，導致隱私方面的問題。該聯盟還表示，計劃利用社交媒體向使用這些工具的零售商發出呼籲。民權組織“為未來而戰”表示，這種技術可能會促進低收入購物者被排除在外，工人們被剝削，以及一些無證人員被舉報給移民官員。

一、人民法院個人信息保護基本情況

全國各級人民法院歷來重視個人信息的司法保護工作。最高人民法院通過司法解釋、典型案例、案件審判、加強對地方法院的審判指導等舉措，對包括人臉信息在內的個人信息提供有力司法保護，嚴懲各種侵犯個人信息的違法犯罪行為。從民事審判工作來看，自《侵權責任法》將隱私權確認為一項獨立的民事權利以來，全國各級人民法院審理了一大批隱私權等人格權糾紛案件。2010年7月1日侵權責任法實施以來至2020年12月31日，人格權糾紛案件共1144628件。2016年1月至2020年12月，隱私權糾紛案件共1678件。2014年，最高人民法院頒布了《關於審理利用信息網路侵害人身權益民事糾紛案件適用法律若干問題的規定》，對網路用戶或者網路服務提供者利用網路公開他人隱私和個人信息的侵權責任予以規定。司法實踐中，人民法院通過審理一系列新類型典型案例，不斷探索信息化時代個人信息及隱私保護規則。如龐某訴東方航空公司、趣拿信息技術公司隱私權糾紛案，孫某某訴百度公司人格權糾紛案，等等。民法典頒布后，最高人民法院對《民事案件案由規定》進行了修正，新增了個人信息保護糾紛案由。民法典施行以來，截止到6月30日，各級人民法院正式以個人信息保護糾紛案由立案的一審案件192件，審結103件。“人臉識別第一案”也於今年4月9日二審宣判，依法保護自然人人臉信息等生物識別信息。隨著民法典貫徹實施的不斷深入、《個人信息保護法》即將頒布實施，人民法院將進一步通過司法裁判築起保衛人民群眾個人信息權益的堅強司法屏障。從刑事審判工作來看，近年來，侵犯公民個人信息犯罪處於高發態勢，而且與電信網路詐騙、敲詐勒索、綁架等犯罪呈合流態勢，社會危害嚴重。為依法嚴懲此類犯罪，最高人民法院會同有關部門，於2017年5月9日發布了《關於辦理侵犯公民個人信息刑事案件適用法律若干問題的解釋》（法釋〔2017〕10號），自2017年6月1日起施行。該司法解釋根據刑法有關規定，對侵犯公民個人信息犯罪的定罪量刑標準和有關法律適用問題作了全面、系統的規定。該司法解釋施行以來，各級人民法院立足審判職能，依法懲治侵犯公民個人信息犯罪，案件數量顯著增長。2017年6月至2021年6月，全國法院新收侵犯公民個人信息刑事案件10059件，審結9743件，生效判決人數21726人，對3803名被告人判處三年以上有期徒刑，比例達17.50%。

二、制定出台《規定》的背景

人臉識別是人工智慧的重要應用。近年來，隨著信息技術飛速發展，人臉識別逐步滲透到人們生活的方方面面。大到智慧城市建設，小到手機客戶端的登錄解鎖，都能見到人臉識別的應用。在國境邊防、公共交通、城市治安、疫情防控等諸多領域，人臉識別技術發揮著巨大作用。在為社會生活帶來便利的同時，人臉識別技術所帶來的個人信息保護問題也日益凸顯。一些經營者濫用人臉識別技術侵害自然人合法權益的事件頻發，引發社會公眾的普遍關注和擔憂。比如，有些知名門店使用“無感式”人臉識別技術在未經同意的情況下擅自採集消費者人臉信息，分析消費者的性別、年齡、心情等，進而採取不同營銷策略。又如，有些物業服務企業強制將人臉識別作為業主出入小區或者單元門的唯一驗證方式，要求業主錄入人臉並綁定相關個人信息，未經識別的業主不得進入小區。再如，部分線上平台或者應用軟體強制索取用戶的人臉信息，還有的賣家在社交平台和網站公開售賣人臉識別視頻、買賣人臉信息等。因人臉信息等身份信息泄露導致“被貸款”“被詐騙”和隱私權、名譽權被侵害等問題也多有發生。甚至還有一些犯罪分子利用非法獲取的身份證照片等個人信息製作成動態視頻，破解人臉識別驗證程序，實施竊取財產、虛開增值稅普通發票等犯罪行為。上述行為嚴重損害自然人的人格權益，侵害其人身、財產等合法權益，破壞社會秩序，亟待進行規制。人臉信息屬於敏感個人信息中的生物識別信息，是生物識別信息中社交屬性最強、最易採集的個人信息，具有唯一性和不可更改性，一旦泄露將對個人的人身和財產安全造成極大危害，甚至還可能威脅公共安全。據APP專項治理工作組去年發布的《人臉識別應用公眾調研報告》顯示，在2萬多名受訪者中，94.07%的受訪者用過人臉識別技術，64.39%的受訪者認為人臉識別技術有被濫用的趨勢，30.86%受訪者已經因為人臉信息泄露、濫用等遭受損失或者隱私被侵犯。這段時間，人臉識別成為熱門辭彙，社會公眾對人臉識別技術濫用的擔心不斷增加，強化人臉信息保護的呼聲日益高漲。黨中央高度重視個人信息保護工作。習近平總書記多次強調，要堅持網路安全為人民、網路安全靠人民，保障個人信息安全，維護公民在網路空間的合法權益，對加強個人信息保護工作提出明確要求。最高人民法院深入學習貫徹習近平法治思想，立足人民群眾的現實需求，以問題為導向，充分發揮審判職能作用，主動回應人民關切和期待，嚴格依照《民法典》《網路安全法》《消費者權益保護法》《電子商務法》《民事訴訟法》等法律，吸收個人信息保護立法有關經驗成果，在充分調研基礎上制定了本司法解釋，對人臉信息提供司法保護。

三、《規定》的主要內容

《規定》的起草，以習近平法治思想為指導，嚴格遵循民法典人格權編及相關法律的規定精神，堅持問題導向、需求導向，針對實踐中反映較為突出的問題，從侵權責任、合同規則以及訴訟程序等方面規定了16個條文。現將重點內容介紹如下：（一）關於適用範圍《規定》第1條對適用範圍做了明確規定。首先，《規定》適用於平等民事主體之間因使用人臉識別技術處理人臉信息所引起的相關民事糾紛。其次，信息處理者使用人臉識別技術處理人臉信息，或者雖然沒有使用人臉識別技術但是處理基於人臉識別技術生成的人臉信息，均屬於《規定》的適用範圍。再次，涉及的責任承擔既包括侵權責任，也包括違約責任，受侵害的權益既包括個人信息權益，也包括肖像權、隱私權、名譽權等人格權以及財產權。（二）從人格權和侵權責任角度作出規定《規定》第2條至第9條主要從人格權和侵權責任角度明確了濫用人臉識別技術處理人臉信息行為的性質和責任。其中，第2條規定了侵害自然人人格權益行為的認定，針對今年“3.15晚會”所曝光的線下門店在經營場所濫用人臉識別技術進行人臉辨識、人臉分析等行為，以及社會反映強烈的幾類典型行為，該條均予以列舉，明確將之界定為侵害自然人人格權益的行為。針對部分商家採用一次概括授權、與其他授權捆綁、“不同意就不提供服務”等不合理手段處理自然人人臉信息的，第2條和第4條明確，處理自然人的人臉信息，必須徵得自然人或者其監護人的單獨同意；對於違反單獨同意，或者強迫、變相強迫自然人同意處理其人臉信息的，構成侵害自然人人格權益的行為。第5條對民法典第1036條進行細化，明確了處理人臉信息的免責事由；第6條至第9條分別規定了舉證責任、多個信息處理者侵權責任的承擔、財產損失的範圍界定以及人格權侵害禁令的適用等。（三）從合同角度對重點問題予以回應《規定》第10條至第12條，主要從物業服務、格式條款效力、違約責任承擔等角度對人民群眾普遍關心的問題予以回應。針對物業服務企業或者其他建築物管理人以人臉識別作為業主或者物業使用人出入物業服務區域的唯一驗證方式的，第10條明確，不同意的業主或者物業使用人請求其提供其他合理驗證方式的，人民法院依法予以支持。針對信息處理者通過採用格式條款與自然人訂立合同，要求自然人授予其無期限限制、不可撤銷、可任意轉授權等處理人臉信息的權利的，第11條規定，自然人依據民法典第497條請求確認格式條款無效的，人民法院依法予以支持。第12條對自然人請求信息處理者承擔違約責任並刪除其人臉信息的情形作了規定。此外，《規定》第13條、第14條，對相關訴訟程序進行細化規定。第15條至第16條，對涉及個人信息的死者人格利益保護、本司法解釋的施行日期以及溯及力作出明確規定。《規定》在制定過程中，得到了全國人大常委會法工委的全程指導，得到中央政法委、中宣部、中央網信辦、公安部、最高檢、司法部、工信部、市場監管總局等中央有關單位的大力支持，得到法學理論界的支持幫助，也得到新聞媒體朋友和社會各界的關心關注。藉此機會，表示衷心的感謝！習近平總書記在慶祝中國共產黨成立100周年大會上強調，必須“堅持全心全意為人民服務的根本宗旨，站穩人民立場”，“著力解決發展不平衡不充分問題和人民群眾急難愁盼問題，推動人的全面發展、全體人民共同富裕取得更為明顯的實質性進展。”個人信息，特別是敏感個人信息，關係到每個人的人格尊嚴，強化個人信息司法保護，符合人民群眾所急所盼，也是人民法院的工作重點。下一步，最高人民法院將繼續深入貫徹習近平法治思想，始終堅持以人民為中心，持之以恆抓好個人信息司法保護各項工作，促進信息數據依法合理有效利用，推動數字經濟健康發展。

《最高人民法院關於審理使用人臉識別技術處理個人信息相關民事案件適用法律若干問題的規定》已於2021年6月8日由最高人民法院審判委員會第1841次會議通過，現予公布，自2021年8月1日起施行。