大數(shù)據(jù)時(shí)代人臉識(shí)別在商業(yè)銀行中應(yīng)用

成都弱電公司訊：

在當(dāng)前利率市場化、互聯(lián)網(wǎng)金融蓬勃發(fā)展、經(jīng)濟(jì)新常態(tài)三大因素形成共振的歷史轉(zhuǎn)折點(diǎn)上，我國商業(yè)銀行經(jīng)營模式面臨著全新的變革。如何在精細(xì)化經(jīng)營經(jīng)管的基礎(chǔ)上為客戶提供更優(yōu)質(zhì)、更平安的服務(wù)體驗(yàn)，成為各商業(yè)銀行競爭的焦點(diǎn)。近年來，云計(jì)算、物聯(lián)網(wǎng)和人工智能技術(shù)變革式發(fā)展，相關(guān)應(yīng)用百花齊放，對(duì)“大數(shù)據(jù)”資源的整合利用與智能化發(fā)展成為了商業(yè)銀行提高“內(nèi)力”的修煉法門。人臉信息有著不可復(fù)制、不可盜取、簡便直觀等長處，是大數(shù)據(jù)時(shí)代各商業(yè)銀行應(yīng)儲(chǔ)備和發(fā)掘價(jià)值的重要戰(zhàn)略資源。而隨著技術(shù)變革和應(yīng)用的普及，建設(shè)大規(guī)模、分布式人臉數(shù)據(jù)庫及辨認(rèn)系統(tǒng)的成本不斷降低，辨認(rèn)的精度不斷提高?？梢灶A(yù)見，人臉辨認(rèn)技術(shù)在商業(yè)銀行領(lǐng)域的潛在價(jià)值將被不斷發(fā)掘提升，在保障服務(wù)平安性、節(jié)約客戶時(shí)間、提升客戶體驗(yàn)、整合與挖掘數(shù)據(jù)資源等方面具備廣泛的應(yīng)用前景。

人臉辨認(rèn)技術(shù)概述

人臉辨認(rèn)技術(shù)是以身份檢索或校驗(yàn)為目標(biāo)，通過從給定的靜態(tài)或動(dòng)態(tài)圖像中提取人臉信息等手段，與數(shù)據(jù)庫中已知身份人臉進(jìn)行匹配的過程。由于受到光照、表情、遮擋、朝向等干擾因素的影響，與另外基于身份證、虹膜、掌紋、指紋等技術(shù)手段相比，人臉辨認(rèn)技術(shù)的準(zhǔn)確率相對(duì)較低，但其采集方式最為友好：無須當(dāng)事人配合，甚至在其意識(shí)不到的情況下，就完成了對(duì)人臉信息的采集與辨認(rèn)。因此，人臉辨認(rèn)技術(shù)在過去的四十多年中一直是人工智能領(lǐng)域的熱點(diǎn)研究課題，至今已逐漸走向成熟，已經(jīng)應(yīng)用于反恐、安防、成都門禁等領(lǐng)域，近年來開始向教育、金融等領(lǐng)域推廣。

根據(jù)應(yīng)用場景的分歧，人臉辨認(rèn)可分為針對(duì)二維圖像的人臉辨認(rèn)、針對(duì)監(jiān)控視頻的人臉辨認(rèn)、針對(duì)近紅外、熱紅外成像或素描等的多模態(tài)人臉辨認(rèn)和針對(duì)深度信息的三維人臉辨認(rèn)等。對(duì)于上述各種數(shù)據(jù)輸入類型，均有來自學(xué)術(shù)界、業(yè)界的研究人員提出了基于分歧假設(shè)、分歧模型、分歧學(xué)科背景的人臉辨認(rèn)處理方法。經(jīng)歸納，這些方法有類似的處理步驟，主要包括以下幾類：一是人臉檢測(cè)。解決“有幾張臉、臉在哪”的問題，即從圖片或視頻中檢測(cè)并確定人臉的位置，并將其分離。二是人臉跟蹤(針對(duì)視頻人臉)。解決辨認(rèn)人臉“從哪來、到哪去”的問題，對(duì)檢測(cè)到的每一張臉在視頻各幀中進(jìn)行跟蹤，如出現(xiàn)遮擋應(yīng)在遮擋結(jié)束后恢復(fù)跟蹤，好比兩張人臉交錯(cuò)而過應(yīng)不出現(xiàn)混淆。三是人臉規(guī)范化。解決“鼻子、眼睛、嘴巴位置對(duì)得上”的問題，具體操作包括預(yù)處理、歸一化、人臉標(biāo)定等。四是人臉辨認(rèn)。即解決“這個(gè)人是誰”(檢索)、“這個(gè)人是不是某客戶”(校驗(yàn))的問題。

在建立人臉數(shù)據(jù)庫及辨認(rèn)系統(tǒng)時(shí)，需要對(duì)人臉數(shù)據(jù)進(jìn)行練習(xí)并建模，假如數(shù)據(jù)庫動(dòng)態(tài)更新還將涉及到在線學(xué)習(xí)等內(nèi)容；辨認(rèn)人臉時(shí)，要把須辨認(rèn)的人臉與數(shù)據(jù)庫中已有的人臉進(jìn)行對(duì)比，判斷二者相似程度，并按預(yù)先設(shè)定的尺度進(jìn)行檢索或校驗(yàn)。人臉辨認(rèn)有多種方法，如：基于幾何特征、基于子空間映射降維、基于模板、基于模型、基于神經(jīng)網(wǎng)絡(luò)等方法。

當(dāng)前，基于“深度學(xué)習(xí)”的方法在一些算法競賽中取得了很高的辨認(rèn)準(zhǔn)確率，并迅速在業(yè)界投入應(yīng)用。深度學(xué)習(xí)并不特指某一個(gè)算法，而是SparseCoding、RBM、深信度網(wǎng)絡(luò)等技術(shù)方法的總稱。作為一類基于神經(jīng)網(wǎng)絡(luò)的方法，根據(jù)認(rèn)知心理學(xué)，其主要思想是模擬人類大腦神經(jīng)的信號(hào)傳遞。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型2～3層練習(xí)層分歧，深度學(xué)習(xí)的練習(xí)層數(shù)可達(dá)8～9層。因此在2006年該思想被提出之初，海量的練習(xí)數(shù)據(jù)和很高的計(jì)算復(fù)雜度超出了當(dāng)時(shí)硬件的承受能力。但由于計(jì)算機(jī)硬件性能的提升，深度學(xué)習(xí)算法在準(zhǔn)確率方面的優(yōu)勢(shì)迅速凸顯。目前，谷歌、微軟、百度等公司都成立了專門的部門對(duì)深度學(xué)習(xí)技術(shù)進(jìn)行研究開發(fā)，市場上也涌現(xiàn)出一批基于深度學(xué)習(xí)的人臉辨認(rèn)團(tuán)隊(duì)。目前，基于深度學(xué)習(xí)的方法已經(jīng)成為人臉辨認(rèn)技術(shù)領(lǐng)域的重要發(fā)展趨勢(shì)和方向。

此外，一些人臉分析技術(shù)也隨著人臉辨認(rèn)技術(shù)的發(fā)展得到了普及和優(yōu)化，包括對(duì)表情、年齡、性別等屬性的判別，使基于這些屬性信息的數(shù)據(jù)挖掘聚類、分類等大數(shù)據(jù)分析應(yīng)用成為可能。人臉辨認(rèn)技術(shù)在實(shí)際應(yīng)用中，還可以考慮與另外技術(shù)或輔助手段相結(jié)合，如結(jié)合深度信息實(shí)現(xiàn)活體檢測(cè)，判斷是真人還是照片等。

人臉辨認(rèn)技術(shù)在商業(yè)銀行的應(yīng)用

人臉辨認(rèn)技術(shù)當(dāng)前主要應(yīng)用于公共平安領(lǐng)域，如：辨認(rèn)追蹤恐怖分子、布控犯罪率高發(fā)地區(qū)、機(jī)場安檢、司機(jī)駕照驗(yàn)證、成都視頻監(jiān)控等。然而，人臉辨認(rèn)技術(shù)在商業(yè)銀行同樣存在著巨大的發(fā)展空間。未來，商業(yè)銀行可以從平安防控和業(yè)務(wù)推動(dòng)兩方面著手，對(duì)人臉辨認(rèn)技術(shù)在銀行落地進(jìn)行全面部署和實(shí)施。