半岛人脸识别门锁的优缺点？1.首先，人脸识别智能锁相对于传统锁具来说，是十分方便快捷的，人们不再仅仅局限于钥匙，而是依靠指纹密码等就可以轻松的解锁，可以说是十分的方便快捷的。而且还有一个很好的优点，就是其安全性也是十分强的。

　　其次，由于智能锁采用的是识体识别技术，其只对我们的真皮皮肤有反应，因此，在我们指纹输入时，就不必担心人造指纹，破解我们的锁的密码了。

　　最后，人脸识别智能锁还有一个很强的功能，就是可以很好的识别到撬锁、尝试开锁等这些危险信号，由于人脸识别指纹锁都具有网络功能，那么其就可以通过网络向房主发出报警，而且发出警报声。可以说，这些优点都是普通锁具所不具有的，可以说智能锁是十分安全可靠的，在安全方面可以放心。2.人脸状态不稳定：人脸识别的主体是人脸，人脸不像指纹一层不变，人脸是动态的，眼睛、嘴巴和鼻子，还有表情，都会影响人脸特征，还有日本的化妆神术和韩国的整容神术半岛，另外口罩、发型以及光纤都可能影响人脸特征。

　　人脸识别锁的耗电：人脸识别的功耗是远大于指纹锁的，一般的指纹锁6节干电池，可以用一年左右。而人脸识别锁，补光、采集等都是很耗电。

　　人脸识别锁相比传统的机械锁、数字密码锁等，有其独特的优点，如使用方便、安全性高等。但是，它也存在以下一些缺点：

　　1. 误识别率较高：人脸识别技术在白天、光线条件良好的环境下表现较为稳定，但在夜间或光线暗淡的情况下，误识别率会增加。

　　2. 安全性存在漏洞：人脸识别技术目前还无法完全避免被伪造、冒用等问题，例如利用3D打印技术制作出与原用户相似的面部模型等手段进行欺骗。

　　3. 隐私泄露风险大：人脸识别需要对用户的面部进行采集和存储，如果采集和存储不当，很容易引发隐私泄露事件。

　　5. 受限于实时性：人脸识别需要将图像上传至云端等服务器进行处理才能进行识别，受限于网络带宽和服务器处理速度等因素，可能存在一定的延迟。

　　3、缺点，人脸的相似性，由于人脸脸部存在相似性，不同个体的区别不大，所有人脸的结构都相似。再加上现代妆容技术的发展，人脸识别还是有很大的识别难度。

　　4、人脸的易变性，人脸的外形其实并不稳定，可以通过脸部变化产生很多表情，而在不同的观察角度，人脸的视觉图像差别也较大。

　　先进的人脸识别系统已经可以在人群中将你认出来。虽然这项技术在日常生活中的某些方面保障了人的安全，但也窃取了人的隐私，甚至比我们自己更了解自己，并操纵我们。国外有媒体报道，人脸识别技术对我们隐私的侵犯或许让人无法想象。

　　近期，有朋友无奈的抱怨，2019上海世界人工智能大会即将召开，因业务需求他需要邀请一位欧洲科学家参会，但是当听说大会现场需要进行人脸识别才能参会时，他极度不适的发出了怒吼。

　　最后，虽然已经告知外国科学家参会方式还有二维码扫描，但是他还是拒绝了此次会议。截止目前，这位朋友表示还是想不明白，一个人脸识别至于让他发这么大的火么？

　　然而8月初，一个3D打印的公众号发布了一个测试视频，在视频中，工作人员使用3D打印制作的蜡像人头，骗过支付宝的人脸识别系统，成功买到了一张火车票，这一小视频曾一度在网上疯传，吓坏了很多网友，并表示已经关闭了人脸识别功能。

　　其实这个3D打印头像中国人并不是原创，去年有日本公司已经研发出了这款产品，而且非常逼真，也曾引起了国内很多媒体关注，当时就有很多人表示刷脸解锁遭遇了新挑战。

　　相比广大安卓阵线D刷脸识别，iPhone用了更贵的传感器，能够实现更周密强大的活体识别，保证用户在闭眼情况下不会被解锁手机。

　　但是，就在前不久的白帽黑客大会上，向来以安全著称的iPhone刷脸，还是腾讯的一位安全研究员研发的一副简单眼镜攻破了。

　　由于刷脸解锁需要用户看一眼才能解锁。因此该研究员在眼镜镜片上贴有黑色胶带，黑胶内又嵌有白色胶带，成功仿造了人眼识别信息（虹膜识别），最终成功解锁熟睡用户的iPhone，并进一步转走他支付账户中的钱。

　　去年，一篇发表在外媒网站的文章中指出，如今非常热门的AI应用人脸识别，针对不同种族的准确率差异巨大。其中，针对黑人女性的错误率高达21%-35%，针对白人男性的错误率则低于1%，这在美国可以说是非常不正常的。

　　另外，还有一个乌龙事件需要强调，亚马逊在2016年推出的图像识别AI系统Rekognition，曾将28名美国国会议员识别成了罪犯，当时引得美国社会一片哗然，也令大众对人脸识别技术充满了质疑。

　　不仅仅是国外，国内这种嘀笑皆非的场景也时有发生。比如因为“闯红灯”而被公示在电子曝光屏的董明珠，事实是所谓的“董明珠”只是公交车上的一个印刷广告；又比如一名坐在公交车内靠窗位置的普通民众，莫名其妙的被人脸识别抓拍系统定义为闯红灯……

　　对于人脸识别存在的技术误差，中国科学院自动化研究所张晓波博士曾表示，照明、姿势、装饰等都会对人脸识别系统产生影响，而对于那些非合作情况下的人脸图像采集，遮挡问题仍很严重。

　　特别是在实际监控环境中，被监控对象常会佩戴着眼镜或帽子等配件，使得捕获的人脸图像不完整，影响后续的特征提取和识别，甚至导致人脸检测算法无效，且在大规模应用环境中，如何维持或提高人脸识别算法的识别率，目前也是一个非常重要的问题。

　　除了以上提出的技术准确性外，人脸识别的安全性也在中国开始面临着严峻考验。其中一个就是，由于人脸识别的信息存储仍基于计算机可识别的语言，也就是我们常说的数字或特定代码，随着这些数据价值的提高，使其遭到黑客攻击的风险也会随之增高。

　　人脸识别是一种1:1或1：N的技术手段，在具体应用场景中，它可以根据已有人脸数据识别并判定某一特殊对象是否与数据库中的是同一人，也可以依据某一个人脸数据，从成千上万人中找出对应的人。这之中，数据库中保存的数据将成为关键一环，也是引发人们担忧并发出质疑的地方——这些数据究竟属于谁？谁能用我的数据？

　　近年来，因为研发需要以及人脸识别应用的逐渐普及，包括政府机构、银行、小区物业、人脸识别研发公司都需要用到数据库。

　　以银行为例，当人们办理某些业务时，人脸识别已经成为了一种常态，柜台工作人员会在过程中要求人们将头抬起，并将面部朝向摄像头以进行识别，而在银行APP 中，要求卡主进行人脸识别认证也已经成为一种日常操作。既然要识别，那就意味着有对比数据，这些数据被谁拿走了？是银行？是公安？是提供人脸识别技术的公司？还是其他居心叵测的组织？

　　今年年初，深网视界公司（人脸识别公司商汤科技和上市公司东方网力合资公司）被曝发生数据泄露，致使250万人的私人信息能够不受限制被访问，引发业内广泛关注。

　　据了解，深网视界主营业务为人脸识别、AI和安防，一家定位为“AI+安防”的公司发生如此大规模的信息泄露事件不免令人唏嘘。

　　如果说此次事件引发了人们关于人脸识别技术信息安全方面的担忧和关于隐私等方面的道德讨论那还算是好事，然而后面这件事让人震怒。

　　据爆料此事发生之后，目前国内竟然催生了一批人脸识别数据倒卖的生意，一张人脸照片竟然能卖到几元钱，那么几千几万张甚至几百万张照片就能获利无数。

　　在这种利益的诱惑下，越来越多的黑客也加入其中，就连一些小厂商或物业公司也通过人脸识别闸机、门禁等各种手段获取数据进行着地下肮脏交易，在法律的边缘试探。

　　据了解，这些交易的数据大部分也将被运用于AI的养料，用来训练更加聪敏的AI。比如网上一度疯传的杨幂换脸小视频、被用于色情场所的美国知名主持人等。

　　从朋友圈里的AI面相识别小程序，到走进大街小巷的AI测肤，在到娱乐方面的AI换脸、以及再到随处可见的刷脸支付，无一不是热火朝天。

　　今年7月份，央行科技司司长李伟在第四届全球金融科技（北京）峰会上表示，人脸是非常敏感的个人信息。一旦泄露或者被盗取，会带来非常大影响。

　　他强调，有技术也不能滥用，有技术也不能任性。“特别是一些企业设计模式场景不考虑这些问题：一方面刷脸，另外一方面还让人在大的屏幕上输入自己的手机号码，这是多么危险的事情。这对于这种创新，我觉得应该要及时指出来纠正。

　　一位行业资深专家表示，当今社会存在这种普遍滥用人脸识别技术的现象，不管是互联网巨头还是人工智能独角兽都热衷于跑马圈地半岛，将关注点放在业务发展上，对数据安全管理的投入又很少，整个社会隐私安全意识也很淡薄，是时候需要一些监管部门出来管理细则了。

　　文章来自于公众号：AI世界（AI_retail），关注公众号回复关键词“5G”获取《5G最完整的PPT》,回复“资料”获取160份人工智能产业报告。

　　现有的安全解决方案经常失败，导致大量时间、精力和资产浪费。最常见的安全措施是密码、个人识别码 (PIN) 和智能卡。然而，它们并不总是正确的。

　　另一方面，人脸识别技术利用您的身体特征，例如指纹、手掌静脉和视网膜等，随时随地为您提供准确的服务。

　　相比较其他生物识别技术而言，人脸识别是非接触的，用户不需要和设备直接接触，而同时能够满足在实际应用场景下进行多个人脸的分拣、判断及识别。

　　考虑一下您忘记密码的频率；这是一个压力很大的场景，不是吗？你不是靠自己。我们都经历过：很难记住或写下每个密码，而且我们更有可能在匆忙中忘记它。

　　有许多有用的工具可以为您提供帮助，但没有一个能比得上生物识别解决方案的便利性，这是最方便的选择。由于您的凭据是永久性的，因此您无需记住或写下任何内容。

　　人脸识别的应用范围其实很广，除了大家通常所说的安防、考勤、门禁、刑侦、ATM等等，现在最火的短视频、直播都是要用到人脸识别的，比如动态贴纸，贴纸随着人脸的移动而相应的移动，就需要用到人脸识别技术。之前很火的脸龄测试、明星脸对比，也都需要用到该技术。

　　大数据时代，“人脸”是关键的数据信息，因其唯一性和较好防伪性，人脸识别技术发展前景广阔。因此，需要理性看待相关技术，既不能因噎废食、谈“刷脸”色变，也须明确规范、健全制度、加强监管，及时封堵个人信息泄露等漏洞。调查显示，对于人脸识别安全风险的担忧，更多在于一些没有明确法律规定的场景下信息收集、使用过程中的不透明与不确定性。

　　比如，很多人都关心过人脸原始信息是否会被收集方保留以及会被如何处理。这提醒我们，需要与时俱进、完善法律法规，明确界定人脸数据的所有权、使用权、管理权、交易权等。及时建立与技术发展相适应的标准规范和监管规则，让全社会更加严谨地采集、使用、存储人脸数据，才能切实保障个人权益，也才能推动相关行业良性发展。

　　自70年代以来.随着人工智能技术的兴起.以及人类视觉研究的进展.人们逐渐对人脸图像的机器识别投入很大的热情，并形成了一个人脸图像识别研究领域，.这一领域除了它的重大理论价值外，也极具实用价值。

　　在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制，并努力将这些机制用于实践，如各种智能机器人的研制。人脸图像的机器识别研究就是在这种背景下兴起的，因为人们发现许多对于人类而言可以轻易做到的事情，而让机器来实现却很难，如人脸图像的识别，语音识别，自然语言理解等。如果能够开发出具有像人类一样的机器识别机制，就能够逐步地了解人类是如何存储信息，并进行处理的，从而最终了解人类的思维机制。

　　同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。现在己有实用的计算机自动指纹识别系统面世，并在安检等部门得到应用，但还没有通用成熟的人脸自动识别系统出现。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际意义更大。

　　本文介绍了人脸图像识别中所应用MATLAB对图像进行预处理，应用该工具箱对图像进行经典图像处理,通过实例来应用matlab图像处理功能，对某一特定的人脸图像处理，进而应用到人脸识别系统。本文在总结分析人脸识别系统中几种常用的图像预处理方法基础上，利用MATLAB实现了一个集多种预处理方法于一体的通用的人脸图像预处理仿真系统，将该系统作为图像预处理模块可嵌入在人脸识别系统中，并利用灰度图像的直方图比对来实现人脸图像的识别判定。

　　一般来说，图像的获取都是通过摄像头摄取，但摄取的图像可以是真人，也可以是人脸的图片或者为了相对简单，可以不考虑通过摄像头来摄取头像，而是直接给定要识别的图像。

　　人脸检测的任务是判断静态图像中是否存在人脸。若存在人脸，给出其在图像中的坐标位置、人脸区域大小等信息。而人脸跟踪则需要进一步输出所检测到的人脸位置、大小等状态随时间的连续变化情况。

　　通过人脸特征点的检测与标定可以确定人脸图像中显著特征点的位置（如眼睛、眉毛、鼻子、嘴巴等器官），同时还可以得到这些器官及其面部轮廓的形状信息的描述。

　　根据人脸特征点检测与标定的结果，通过某些运算得到人脸特征的描述（这些特征包括：全局特征和局部特征，显式特征和统计特征等）。

　　即人脸识别(Face Identification)问题。通过将输入人脸图像与人脸数据库中的所有已知原型人脸图像计算相似度并对其排序来给出输入人脸的身份信息。这包括两类识别问题：一类是闭集(Close Set)人脸识别问题，即假定输入的人脸一定是人脸库中的某个个体；另一类是开集(Open Set)识别，即首先要对输入人脸是否在已知人脸库中做出判断，如果是，则给出其身份。

　　即人脸确认(Face Verification)问题。系统在输入人脸图像的同时输入一个用户宣称的该人脸的身份信息，系统要对该输入人脸图像的身份与宣称的身份是否相符作出判断。

　　不同的人脸识别系统根据其采用的图像来源和识别算法需要不同，采用的预处理方法也不同。常用的人脸图像预处理方法有：滤波去噪、灰度变换、图像二值化、边缘检测、尺寸归一化、灰度归一化等。用在同一系统中的可能只有其中一种或几种预处理方法，但一旦库中采集到的原始图像质量发生较大变化（如人脸大小、光照强度、拍摄条件、成像系统等方面变化），原有的预处理模块便不能满足特征提取的需要，还要更新，这是极不方便的。鉴于此，作者在总结分析了滤波去噪、边缘检测、灰度变换三种广泛应用于不同人脸识别系统中的预处理方法基础上，设计了一个通用的人脸图像预处理仿真系统。该系统可对不同条件下的原始图像进行相应的预处理。如，用户可根据需要选择使用不同的滤波方法去除噪声、不同的边缘检测算子检测人脸边缘、选择不同的灰度变换算法实现图像的灰度校正和灰度归一化，仿真系统同时还实现了尺寸归一化、二值化等其他常用的图像预处理算法。

　　对输入人脸图像进行边缘检测是很多人脸识别系统在人脸粗定位及人脸主要器官（眼睛、鼻子、嘴巴）定位时采用的预处理方法。边缘检测的方法有很多，主要有：微分算子法、Sobel算子法、拉普拉斯算子法、canny算子法等。每种算子对不同方向边缘的检测能力和抑制噪声的能力都不同。所以，和灰度变换及滤波去噪部分的设计思路相同，在仿真系统中，笔者给出了canny、sobel、log、prewitt四种算子在不同灰度阈值下、不同方向的边缘检测算法，使用者可从检测结果中加以比较、选择合适的算法。图像类型转换、图像二值化、尺寸归一化也是一些人脸识别系统中经常使用的预处理方法。为了在不修改其他算法的基础上，扩大系统处理图像的类型和范围，将输入图像首先转换为统一的类型，是多数人脸图像预处理中的第一步。在本仿真系统中通过调用MATLAB中提供的各种图像类型转换函数来实现TIF、JPG转换为BMP格式及彩色到灰度图像的转换；对图像二值化，采用了graythresh()函数来自动选择阈值的二值化方法[1]；尺寸归一化采用的算法是对人脸图像进行剪裁和尺寸缩放，实现去除大部分头发、服饰和背景的干扰并将人脸图像大小统一。

　　第一种是普通的2D人脸识别，这种人脸识别只要前置摄像头加上软件算法就可以实现，但是这种人脸识别在黑暗中是会失效的，而且没有安全性，也就是说用照片是可以解开的，所以不能用于移动支付。

　　第二种是红外2D人脸识别半岛，这种人脸识别加入了红外相机，相比第一种，最大的优点就是：全黑暗的环境也能迅速解锁，但是这种人脸识别依然没有安全性，在有光的环境下，可以用黑白照片做一些处理就能解开，破解成本相当低。

　　第三种是3D结构光人脸识别，这种人脸识别不仅要红外相机，还要加入点阵投影仪来扫描你整个脸部的各个器官的纹路，这种人脸识别不仅能在全黑暗环境迅速解锁，还具有很高的安全性，因为是扫描了你脸部的纹路的，所以一张照片是平面自然就无法解锁了，只有同卵双胞胎才能“骗过”这种3D结构光人脸识别，因为具有很高的安全性，所以可以用于移动支付。

　　至于好不好用，还是看个人，如果是手不那么出汗的，还是用指纹识别吧，如果是手比较多汗，预算又有限的，可以考虑红外人脸识别+指纹识别配合使用，当然你要是有钱当然可以直接选择3D结构光人脸识别。