人臉識別

人臉識別，通過人的臉部特徵信息進行身份識別。用攝像機或攝像頭採集含有人臉的圖像或視頻流，並自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術，通常也叫做人像識別、面部識別。

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。

人臉識別系統的研究始於20世紀60年代，80年代后隨著計算機技術和光學成像技術的發展得到提高，而真正進入初級的應用階段則在90年後期，並且以美國、德國和日本的技術實現為主；人臉識別系統成功的關鍵在於是否擁有尖端的核心演演算法，並使識別結果具有實用化的識別率和識別速度；“人臉識別系統”集成了人工智慧、機器識別、機器學習、模型理論、專家系統、視頻圖像處理等多種專業技術，同時需結合中間值處理的理論與實現，是生物特徵識別的最新應用，其核心技術的實現，展現了弱人工智慧向強人工智慧的轉化。

傳統的人臉識別技術主要是基於可見光圖像的人臉識別，這也是人們熟悉的識別方式，已有30多年的研發歷史。但這種方式有著難以克服的缺陷，尤其在環境光照發生變化時，識別效果會急劇下降，無法滿足實際系統的需要。解決光照問題的方案有三維圖像人臉識別，和熱成像人臉識別。但這兩種技術還遠不成熟，識別效果不盡人意。迅速發展起來的一種解決方案是基於主動近紅外圖像的多光源人臉識別技術。它可以克服光線變化的影響，已經取得了卓越的識別性能，在精度、穩定性和速度方面的整體系統性能超過三維圖像人臉識別。這項技術在近兩三年發展迅速，使人臉識別技術逐漸走向實用化。人臉與人體的其它生物特徵（指紋、虹膜等）一樣與生俱來，它的唯一性和不易被複制的良好特性為身份鑒別提供了必要的前提，與其它類型的生物識別比較人臉識別具有如下特點：非強制性：用戶不需要專門配合人臉採集設備，幾乎可以在無意識的狀態下就可獲取人臉圖像，這樣的取樣方式沒有“強制性”；非接觸性：用戶不需要和設備直接接觸就能獲取人臉圖像；併發性：在實際應用場景下可以進行多個人臉的分揀、判斷及識別；除此之外，還符合視覺特性：“以貌識人”的特性，以及操作簡單、結果直觀、隱蔽性好等特點。

視頻監控正在快速普及，眾多的視頻監控應用迫切需要一種遠距離、用戶非配合狀態下的快速身份識別技術，以求遠距離快速確認人員身份，實現智能預警。人臉識別技術無疑是最佳的選擇，採用快速人臉檢測技術可以從監控視頻圖象中實時查找人臉，並與人臉資料庫進行實時比對，從而實現快速身份識別。但近距離人臉識別技術對用戶的種種限制使得其在視頻監控中難以使用。面向視頻監控的遠距離人臉識別技術在強勁的需求帶動下應運而生。

由於視頻監控攝像機距離目標較遠且用戶處於非配合的運動狀態，使得採集質量好的人臉圖像比較困難，極易產生運動模糊，所採集圖像的質量遠低於近距離配合狀態下獲取的人臉圖像；同時由於用戶處於非配合的運動狀態，活動更自由，側臉和背對攝像機的概率大大增加，這就給人臉檢測、人臉跟蹤、人臉對比識別帶來相當大的困難；此外。監控場景中通常會有多人同時出現，身體容易相互遮擋，給身份關聯帶來一定的困難，且系統還需要對每一個人保持跟蹤識別，這一系列因素導致面向視頻監控的遠距離人臉識別難度非常大。

經過長期持續的研究探索，在視頻監控人臉識別技術上取得重大階段性進展，使得把人臉識別技術應用在視頻監控上成為可能。相對於近紅外人臉識別技術，可見光人臉識別會受到光線變化的影響和照片視頻的攻擊，但另一方因其可以很方便的與現有各種普通監控攝像頭聯繫，不需要專用的紅外攝像頭，所以在與傳統監控相結合，乃至升級都比較方便。但其自身局限性也決定了其識別準確率遠不及近紅外技術，所以建議開發者使用在輔助人工之場合，例如人臉監控，VIP通道等。

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：近年來，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。

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

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

基於模板的識別演演算法（Template-based recognition algorithms）。

利用神經網路進行識別的演演算法（Recognition algorithms using neural network）。

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：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：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：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。

人臉識別主要用於身份識別。

人臉識別的應用主要有：

●門禁系統：受安全保護的地區可以通過人臉識別辨識試圖進入者的身份。

●攝像監視系統：在例如機場、體育場、超級市場等公共場所對人群進行監視，以達到身份識別的目的。例如在機場安裝監視系統以防止恐怖分子登機。

●網路應用：利用人臉識別輔助信用卡網路支付，以防止非信用卡的擁有者使用信用卡等。

人臉註冊，人臉檢測，人臉識別，人臉比對

識別快速：識別時間小於1秒

準確率：達到85％

支持比對：1：1；1：N

多人臉實時監測：能同時檢測和識別同一監控視頻流中的多個臉部。

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。

人臉識別演演算法分類

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

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

基於模板的識別演演算法（Template-based recognition algorithms）。

利用神經網路進行識別的演演算法（Recognition algorithms using neural network）。

基於光照估計模型理論

提出了基於Gamma灰度矯正的光照預處理方法，並且在光照估計模型的基礎上，進行相應的光照補償和光照平衡策略。

優化的形變統計校正理論

基於統計形變的校正理論，優化人臉姿態；強化迭代理論

強化迭代理論是對DLFA人臉檢測演演算法的有效擴展；

獨創的實時特徵識別理論

該理論側重於人臉實時數據的中間值處理，從而可以在識別速率和識別效能之間，達到最佳的匹配效果。

人臉識別需要積累採集到的大量人臉圖像相關的數據，用來驗證演演算法，不斷提高識別準確性，這些數據諸如A Neural Network Face Recognition Assignment(神經網路人臉識別數據)、orl人臉資料庫、麻省理工學院生物和計算學習中心人臉識別資料庫、埃塞克斯大學計算機與電子工程學院人臉識別數據等。

現有的人臉識別系統在用戶配合、採集條件比較理想的情況下可以取得令人滿意的結果。但是，在用戶不配合、採集條件不理想的情況下，現有系統的識別率將陡然下降。比如，人臉比對時，與系統中存儲的人臉有出入，例如剃了鬍子、換了髮型、多了眼鏡、變了表情都有可能引起比對失敗。

人臉識別的優勢在於其自然性和不被被測個體察覺的特點。

所謂自然性，是指該識別方式同人類（甚至其他生物）進行個體識別時所利用的生物特徵相同。例如人臉識別，人類也是通過觀察比較人臉區分和確認身份的，另外具有自然性的識別還有虹膜識別語音識別、體形識別等，而指紋識別、虹膜識別等都不具有自然性，因為人類或者其他生物並不通過此類生物特徵區別個體。

不被察覺的特點對於一種識別方法也很重要，這會使該識別方法不令人反感，並且因為不容易引起人的注意而不容易被欺騙。人臉識別具有這方面的特點，它完全利用可見光獲取人臉圖像信息，而不同於指紋識別或者虹膜識別，需要利用電子壓力感測器採集指紋，或者利用紅外線採集虹膜圖像，這些特殊的採集方式很容易被人察覺，從而更有可能被偽裝欺騙。

人臉識別被認為是生物特徵識別領域甚至人工智慧領域最困難的研究課題之一。人臉識別的困難主要是人臉作為生物特徵的特點所帶來的。

人臉類似性

不同個體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。這樣的特點對於利用人臉進行定位是有利的，但是對於利用人臉區分人類個體是不利的。

人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識別還受光照條件（例如白天和夜晚，室內和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭髮、鬍鬚等）、年齡等多方面因素的影響。

在人臉識別中，第一類的變化是應該放大而作為區分個體的標準的，而第二類的變化應該消除，因為它們可以代表同一個個體。通常稱第一類變化為類間變化（inter-class difference），而稱第二類變化為類內變化（intra-class difference）。對於人臉，類內變化往往大於類間變化，從而使在受類內變化干擾的情況下利用類間變化區分個體變得異常困難。

生物識別技術已廣泛用於政府、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。

當前社會上頻繁出現的入室偷盜、搶劫、傷人等案件的不斷發生，鑒於此種原因，防盜門開始走進千家萬戶，給家庭帶來安寧；然而，隨著社會的發展，技術的進步，生活節奏的加速，消費水平的提高，人們對於家居的期望也越來越高，對便捷的要求也越來越迫切，基於傳統的純粹機械設計的防盜門，除了堅固耐用外，很難快速滿足這些新興的需求：便捷，開門記錄等功能。人臉識別技術已經得到廣泛的認同，但其應用門檻仍然很高：技術門檻高（開發周期長），經濟門檻高（價格高）。

人臉識別產品已廣泛應用於金融、司法、軍隊、公安、邊檢、政府、航天、電力、工廠、教育、醫療及眾多企事業單位等領域。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。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。

5、信息安全。使用生物特徵，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，上海虹橋站、天津西站和濟南西站三個車站安檢區域將安裝用於身份識別的高科技安檢系統——人臉識別系統，以協助公安部門抓捕在逃案犯。

2013年7月。芬蘭一家企業推出全球首個“刷臉”支付系統。結賬時，消費者只需在收銀檯面對POS機屏幕上的攝像頭，系統自動拍照，掃描消費者面部，等身份信息顯示出后，在觸摸顯示屏上點擊確認完成交易。無需信用卡、錢包或手機。整個交易過程不超5秒鐘。不過，也有人認為，“這點時間，通常也就夠你拿出錢包”。

芬蘭初創公司Uniqul已為這套基於面部識別技術的“刷臉”支付系統申請專利。

2015年5月，全球第一台具有人臉識別功能的ATM機在杭州誕生。該機器由清華大學與某公司聯合研發，是我國首台具有自主知識產權的金融安全設備。所謂ATM機的人臉識別，是通過讀取用戶身份證上的照片信息，然後將照片和ATM機頂端攝像頭攝錄下來的取款人面容進行比對。它可與銀行、公安等系統聯網，從而遏制犯罪。

人臉自動對焦和笑臉快門技術：首先是面部捕捉。它根據人的頭部的部位進行判定，首先確定頭部，然後判斷眼睛和嘴巴等頭部特徵，通過特徵庫的比對，確認是人面部，完成面部捕捉。然後以人臉為焦點進行自動對焦，可以大大的提升拍出照片的清晰度。笑臉快門技術就是在人臉識別的基礎上，完成了面部捕捉，然後開始判斷嘴的上彎程度和眼的下彎程度，來判斷是不是笑了。以上所有的捕捉和比較都是在對比特徵庫的情況下完成的，所以特徵庫是基礎，裡面有各種典型的面部和笑臉特徵數據。

受安全保護的地區可以通過人臉識別辨識試圖進入者的身份。人臉識別系統可用於企業、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。

人臉識別門禁是基於先進的人臉識別技術，結合成熟的ID卡和指紋識別技術而推出的安全實用的門禁產品。產品採用分體式設計，人臉、指紋和ID卡信息的採集和生物信息識別及門禁控制內外分離，實用性高、安全可靠。系統採用網路信息加密傳輸，支持遠程進行控制和管理，可廣泛應用於銀行、軍隊、公檢法、智能樓宇等重點區域的門禁安全控制。

如電子護照及身份證。這或許是未來規模應用。在國際民航組織已確定，從 2010年 4月 1日起，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。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（ Transportation Security Administration）計劃在全美推廣一項基於生物特徵的國內通用旅行證件。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。

可在機場、體育場、超級市場等公共場所對人群進行監視，例如在機場安裝監視系統以防止恐怖分子登機。如銀行的自動提款機，用戶卡片和密碼被盜，就會被他人冒取現金。同時應用人臉識別就會避免這種情況的發生。通過查詢目標人像數據尋找資料庫中是否存在重點人口基本信息。例如在機場或車站安裝系統以抓捕在逃案犯。

利用人臉識別輔助信用卡網路支付，以防止非信用卡的擁有者使用信用卡等。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。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。

人臉識別技術廣泛地應用於日常生活中，如相機拍攝，圖片對比等，尤其近兩年來，相親節目如火如荼，其中浙江電視台的愛情連連看中的最佳夫妻像環節就利用了人臉對比技術來測試男女主人公面相的相似程度。

隨著移動網際網路的崛起，一些人臉識別技術的開發者將該項技術應用到娛樂領域中，如應用開心明星臉等，根據人臉的輪廓，膚色，紋理，質地，色彩，光照等特徵來計算照片中主人公與明星的相似度。

2012年4月13日京滬高鐵安檢區域人臉識別系統工程開始招標，由該領域內的專家組成了核心技術研發團隊，專註於以人臉識別技術為核心，覆蓋考勤、門禁安防等多領域的產品設計與研發項目。現今人臉識別產品已廣泛應用於金融、司法、軍隊、公安、邊檢、政府、航天、電力、工廠、教育、醫療及眾多企事業單位等領域。

2013年9月5日，刷臉支付系統在中國國際金融展上亮相。 刷臉支付系統基於天誠盛業自主研發的生物識別雲金融平台，將自主知識產權軍用級別的人臉識別演演算法與現有的支付系統進行融合，對接了我們生活中涉及到支付、轉賬、結算和交易的環節。在支付時人們不再需要銀行卡、存摺和密碼，甚至是手機，只需要對著攝像頭點個頭、露個笑臉，刷臉支付系統將會在幾秒內完成身份確認、賬戶讀取、轉賬支付、交易確認等一站式支付環節，為用戶創建更棒的支付體驗。

2014年8月起，日本將在部分機場的出入國審查(邊檢)處重啟人臉識別系統的實驗。2012年實施的首次實驗因錯誤頻發而一度中止，但法務省認為，為迎接2020年東京奧運會需提高邊檢速度，於是決定重啟實驗。實驗將在2014年8月起進行約5周，對象為在羽田機場和成田機場乘機的日本人。負責實驗的企業將於近期敲定。日本政府在各地機場設置了僅憑指紋識別便可通過的自動邊檢門，但因需要事先登記指紋，乘客利用率不高。人臉識別則無需事先登記。 

2015年3月15日漢諾威IT博覽會(CeBIT)在德國開幕，阿里巴巴創始人馬雲作為唯一受邀的企業家代表，在開幕式上作了主旨演講。在發表演講后，馬雲還為德國總理默克爾與中國副總理馬凱演示了螞蟻金服的Smile to Pay掃臉技術，併當場刷自己的臉給嘉賓買禮物。馬雲選擇的禮物是淘寶網上一枚1948年的漢諾威紀念郵票。他用手機登陸淘寶，首先選擇產品；第二步進入支付系統，確認支付后出現掃臉的頁面；然後掃臉(拍照后)後台認證；接著顯示支付成功。馬雲現場為德國總理默克爾贈送了一份特殊禮物：一張紀念版的德國日曆頁，且恰好就是這位女總理的出生年月。

2021年7月28日，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。人臉識別技術在諸多領域發揮著巨大作用的同時，也存在被濫用的情況，最高人民法院發布司法解釋，對人臉識別進行規範。 

2021年7月28日，《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》正式對外發布。

2021年8月，隨著人臉識別技術廣泛用於現實生活，民眾對其被濫用的擔心也不斷增加，強化人臉信息保護的呼聲日益高漲。最高法出台《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》，把未經自然人或其監護人單獨同意的人臉信息採集行為明確界定為“侵權”，這不僅回應了民眾呼喚保護人臉信息的正當訴求，也為司法部門處理此類糾紛提供了法律依據，更增強了公民對其人格權益保護的法律底氣。 

2021年8月20日，十三屆全國人大常委會第三十次會議表決通過《中華人民共和國個人信息保護法》，自2021年11月1日起施行。針對濫用人臉識別技術問題，本法要求，在公共場所安裝圖像採集、個人身份識別設備，應設置顯著的提示標識；所收集的個人圖像、身份識別信息只能用於維護公共安全的目的。 

2021年11月14日，國家網信辦公布《網路數據安全管理條例（徵求意見稿）》，並向社會公開徵求意見。徵求意見稿提出，數據處理者利用生物特徵進行個人身份認證的，應當對必要性、安全性進行風險評估，不得將人臉、步態、指紋、虹膜、聲紋等生物特徵作為唯一的個人身份認證方式，以強制個人同意收集其個人生物特徵信息。

2021年3月26日，北京東城法院召開線上新聞發布會，發布個人信息保護的調研成果。調研指出，新興個人信息收集形式引發的案件應引起重視，在訴訟中應嚴格按照最小必要的原則進行審查。

人臉識別這種形式，適用範圍較廣，除在經濟領域廣泛使用外，疫情期間的健康寶等App、一些小區推行的人臉識別入口、公廁刷臉取紙、公園年卡與人臉識別綁定等普遍開始適用。應重保護，而非利用，在訴訟中應當嚴格按照最小必要的原則進行審查。二是疫情期間涉個人健康、醫療等信息收集大幅增長。網際網路醫療這一新型的問診形式可能帶來新的個人信息問題。

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。

最高法發布司法解釋 規範人臉識別應用

最高法有關負責人介紹，近年來，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。

最高人民法院副院長 楊萬明：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。上述行為嚴重損害自然人的人格權益，亟待進行規制。

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。

物業不得強制將人臉識別作為出入小區唯一驗證方式

伴隨著人臉識別技術應用場景的不斷豐富，一些小區引入人臉識別系統，用“刷臉”代替“刷卡”，社會各界對此有不同看法，有人認為將人臉識別作為住戶身份驗證方式，是一種智能化管理，可以更精準識別出入小區人員，讓小區管理更安全、更高效。也有意見認為，在錄入人臉信息時，小區物業要求人臉信息和詳細住址、身份信息相綁定，這些信息一旦泄露，可能給公民個人隱私造成損害。那麼新出台的司法解釋對此是如何看待的，繼續來看報道。

最高法有關負責人表示，小區物業強制“刷臉”的問題，社會普遍關注。人臉信息屬於敏感個人信息，小區物業對人臉信息的採集、使用必須依法徵得業主或者物業使用人的同意。只有業主或者物業使用人自願同意使用人臉識別，對人臉信息的採集、使用才有了合法性基礎。

最高人民法院研究室副主任 郭鋒：實踐中，部分小區物業強制要求居民錄入人臉信息，並將人臉識別作為出入小區的唯一驗證方式，這種行為違反“告知同意”原則，群眾質疑聲較大。我們應該擁抱新科技，但同時也要尊重人格權益。小區物業不能以智能化管理為由，侵害居民人格權益。

為此，《規定》明確：“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，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。”根據這一規定，小區物業在使用人臉識別門禁系統錄入人臉信息時，應當徵得業主或者物業使用人的同意，對於不同意的業主或者物業使用人，小區物業應當提供替代性驗證方式，不得侵害業主或物業使用人的人格權益和其他合法權益。

最高法：處理未成年人人臉信息 須徵得監護人的單獨同意

伴隨著人臉識別應用場景越來越廣泛，未成年人的人臉信息被採集的場景也越來越多。未成年人的人臉信息一旦泄露，侵權影響甚至可能伴隨其一生。因此，新的司法解釋對未成年人的人臉信息保護進行了專門規定。

最高法有關負責人介紹，我國《未成年人保護法》《網路安全法》等法律對未成年人的網路保護作出了專門規定：如信息處理者處理不滿十四周歲未成年人個人信息的，應當徵得未成年人的父母或者其他監護人同意；未成年人、父母或者其他監護人要求信息處理者更正、刪除未成年人個人信息的，信息處理者應當及時採取措施予以更正、刪除。新司法解釋堅持最有利於未成年人原則，從司法審判層面加強對未成年人人臉信息的保護。

最高人民法院研究室副主任 郭鋒：按照告知同意原則，根據第2條第3項的規定，信息處理者處理未成年人人臉信息的，必須徵得其監護人的單獨同意。關於具體年齡，可依據《未成年人保護法》《網路安全法》以及將來的《個人信息保護法》進行認定。

最高法表示，從責任認定角度看，新規結合當前未成年人人臉信息保護現狀，明確將“受害人是否未成年人”作為責任認定特殊考量因素，對於違法處理未成年人人臉信息的，在責任承擔時依法予以從重從嚴，確保未成年人人臉信息依法得到特別保護，呵護未成年人健康成長。

應用程序不得強制索取非必要個人信息

長期以來，部分移動應用程序通過一攬子授權、與其他授權捆綁、“不點擊同意就不提供服務”等方式強制索取非必要個人信息的問題突出，這既是廣大用戶的痛點，也是維權的難點。對此，司法解釋明確了此類處理人臉信息的新規則。

最高法表示，由於人臉信息屬於敏感個人信息，處理活動對個人權益影響重大，因此，在告知同意上，有必要設定較高標準，以確保個人在充分知情的前提下，合理考慮對自己權益的後果而作出同意。

最高人民法院研究室民事處處長 陳龍業：《規定》第2條第3項引入單獨同意規則，即：信息處理者在徵得個人同意時，必須就人臉信息處理活動單獨取得個人的同意，而不能通過一攬子告知同意等方式徵得個人的同意。

最高法介紹，基於個人同意處理人臉信息的，個人同意是信息處理活動的合法性基礎。只要處理者不超出自然人同意的範圍，原則上該行為就不構成侵權行為。自願原則是民法典的基本原則，個人的同意必須是基於其自願而作出。

最高人民法院研究室民事處處長　陳龍業：特別是對人臉信息的處理，不能帶有任何強迫因素。如果信息處理者採取“與其他授權捆綁”、“不點擊同意就不提供服務”等模式，會導致自然人無法單獨對人臉信息作出自願同意，或者被迫同意處理其本不欲提供且非必要的人臉信息。

為強化人臉信息保護，防止信息處理者對人臉信息的不當採集，《規定》第4條對處理人臉信息的有效同意採取從嚴認定的思路。對於信息處理者採取“與其他授權捆綁”、“不點擊同意就不提供服務”等方式強迫或者變相強迫自然人同意處理其人臉信息的，信息處理者據此認為其已徵得相應同意的，人民法院不予支持。

明確五類情形可以使用人臉識別

剛剛我們了解了很多對禁止使用人臉識別和限制使用人臉識別的規定，那麼是不是人臉識別一律不能用呢？什麼情形下，信息處理者可以應用人臉識別技術收集個人信息，新規也進行了列舉。

新規明確， 有下列情形之一，信息處理者主張其不承擔民事責任的，人民法院依法予以支持：

（一）為應對突發公共衛生事件，或者緊急情況下為保護自然人的生命健康和財產安全所必需而處理人臉信息的；

（二）為維護公共安全，依據國家有關規定在公共場所使用人臉識別技術的；

（三）為公共利益實施新聞報道、輿論監督等行為在合理的範圍內處理人臉信息的；

（四）在自然人或者其監護人同意的範圍內合理處理人臉信息的；

（五）符合法律、行政法規規定的其他情形。

最高人民法院副院長 楊萬明：《規定》充分考量人臉識別技術的積極作用，一方面規範信息處理活動，保護敏感個人信息，另一方面注重促進數字經濟健康發展，保護人臉識別技術的合法應用。

為了避免對信息處理者課以過重責任，妥善處理好懲戒侵權和鼓勵數字科技發展之間的關係，《規定》第16條明確了本司法解釋不溯及既往的基本規則，即：對於信息處理者使用人臉識別技術處理人臉信息、處理基於人臉識別技術生成的人臉信息的行為發生在本規定施行前的，不適用本規定。