蚂蚁金服生物识别技术负责人陈继东数据驱动人工智能引发

机器之心原创作者：高静宜

「身份验证是整个互联网金融的基础，要做到从实名到实人，生物识别在这里起到了很重要的作用。」蚂蚁金服生物识别技术负责人、全球核身平台资深专家陈继东告诉机器之心。生物识别技术的成熟、金融支付安全性与使用体验的更高要求，正推动互联网金融公司、商业银行对生物识别认证技术的开发与应用。年3月，阿里巴巴集团执行主席马云在德国CeBIT展会开幕式上发布并演示了人脸识别支付认证技术，同年年末，蚂蚁金服「刷脸」认证在支付宝和网商银行正式上线。今年2月21日，蚂蚁金服「刷脸」支付被评为《麻省理工科技评论》（MITTechnologyReview）年全球十大突破性技术。

据介绍，目前支付宝总共有4.5亿实名用户，其中1.5亿使用过刷脸。在陈继东看来，生物识别认证研发中的算法、参数都是通过数据实现优化，这是一个不断迭代的过程，而蚂蚁金服的优势就在于已经拥有大规模数据基础。陈继东从事大数据分析以及人工智能十多年，带领团队研发世界领先的生物识别技术并应用于蚂蚁金服旗下的支付宝和网商银行，他向机器之心详细阐述了蚂蚁金服「刷脸」技术背后的细节以及应用进展。

陈继东

机器之心：自支付宝引入人脸识别技术之后，在用户登录、实名认证、找回密码、商家审核、支付风险校验等场景下全面应用，甚至有约三分之一的支付宝用户已经体验过这项技术。可否为我们介绍一下「刷脸」支付背后的人脸识别技术？

陈继东：人脸识别是「刷脸」支付技术的基础。传统上意义上，人脸识别技术有三个核心：人脸检测，关键点定位，特征提取和比对。即首先找到图像里人脸的位置，再找鼻子、嘴等关键点，提取出主要特征并对特征进行比对。比对分为1：1和1：N两种方式，相应地，也存在两种应用场景。在金融领域做身份验证的时候，我们大部分时候是通过设备关联到账户，知道用户预留的人脸图像，然后将活体的脸和预留的脸做一个算法的比对，这是1:1的比对。而1：N则是从已有的人脸数据库中找到最为相似的人脸，比如在视频监控的场景下，实时定位画面中人群里的脸，把脸和库里面已有的脸做一个1：N的搜索，从而找到最相似的结果。虽然这两类比对方式应用场景不同，但技术基础都是相同的。

人脸比对的核心算法主要是经历了几个过程。最早在20世纪60年代，人们就已经开始研究人脸比对算法了；80年代后期，随着是计算机技术和光学成像技术的快速发展，不同的算法模型应运而生，最早的就是基于人脸的局部特征的识别模型；之后，更多的是提取全局特征后，再做一些特征的变换；再后来还有基于二维、三维模板做人脸建模的识别模型。

这两年，人脸识别技术取得了突破式的发展，一个是源于深度学习的深入应用，另一个就是海量数据的爆发。随着深度学习的发展，人们可以基于神经网络让机器模拟出人类大脑的学习过程。以前人脸识别的准确率只有70%、80%，而通过卷积神经网络模型和海量的图片数据进行训练，最近两年已经能够到达99.6%、甚至99.7%，已经到了可以商用的程度。从数据的角度来说，很多算法、参数都是通过海量数据训练来实现优化，这是一个不断迭代的过程。我们相比于其他人脸识别厂商的优势正是我们已经拥有大规模数据基础。其实，我个人的背景也不是生物识别，更多的是偏向于大数据、机器学习、人工智能。很早我就觉得数据一定是未来的一个大方向，我做过很多数据领域的应用，比如广告、搜索等，更

转载请注明：http://www.yanjingmayi.com/myfz/10988.html

• 上一篇文章： 蚂蚁庄园小课堂6月29日今日答案成年后,
  
• 下一篇文章： 没有了