中国队拿下口罩人脸识别世界第一！将推出全球最大公开人脸数据集
在新冠疫情全球大流行的背景下，佩戴口罩几乎是所有国家和地区居民出行的必备选项。但严重的面部遮挡会对人脸识别技术构成严重挑战，受此影响，类似手机解锁、安检验票、闸机通行、安防监控等场景应用的人脸识别准确率均会出现不同程度的下降。
如何满足戴口罩人脸识别的需求，已经是工业界和学术界共同面临的技术难题。
近日，芯翌科技在NIST-FRVT戴口罩人脸识别评测中以绝对优势获得世界第一的成绩，并在FRVT1：1人脸识别评测中取得了世界前三，国内主流厂商第一的成绩。芯翌科技在戴口罩人脸识别评测与FRVT1：1人脸识别评测中使用了完全一致的模型，这说明了芯翌科技人脸识别模型良好的泛化能力。
NIST-FRVT由美国国家标准与技术研究院主办，因其具有测评集非对外公开、提交频率严格限制、计算时间严格限制等诸多严苛要求，被公认为是全球标准最严、最具权威的人脸识别算法评测，素有“人脸识别黄金赛事”之称。截止目前，已经有184家来自全球的公司和研究结构，在NIST-FRVT上累计进行了492次成绩提交和测试。
NIST-FRVT戴口罩人脸识别最新排行榜，芯翌科技以绝对优势获得世界第一相比于正常场景下的人脸识别，戴口罩场景下的人脸识别极具挑战。其难点主要体现在：
人脸识别是通过人脸表观特征进行身份判定的，在戴口罩情况下由于人脸被大面积遮挡，特征损失严重，降低了识别的区分度；
人脸识别是一个系统工程，除人脸特征计算算法外，还需要人脸检测、关键点检测等多重模块，戴口罩会对整个系统的不同模块都带来一定的干扰。
NIST-FRVT戴口罩人脸识别示例图更详细的评测结果如下表所示。可以看出，在各种不同类型、不同颜色、不同遮挡程度的口罩场景的评测中，芯翌科技基本都以绝对优势位列第一。
对于能够连续在COCO、NIST-FRVT等多项国际上最具有影响力的人工智能比赛评测中取得优异成绩，并实现技术的城市级大规模落地，芯翌科技研发副总裁都大龙表示，这主要是因为芯翌团队具备系统化AI生产能力：
对于计算机视觉、深度学习和人脸识别问题的深刻理解。芯翌科技研发团队在人工智能领域有十年以上的技术深耕，对于深度学习、计算机视觉以及人脸识别等问题都有着非常深刻的算法理解和实践经验，特别是对于超大规模、复杂数据下深度学习算法的设计、改进和优化。
以算法工厂为核心系统的AI基础设施。芯翌科技算法工厂通过全栈式的人工智能基础设施，使得算法研发全流程不断自动化，从而可以越来越快地训练、迭代和优化整个系统。以人脸识别为例，芯翌科技的AI基础设施不仅可以在数千万ID、数亿人脸图片情况下，达到数百块GPU卡的分布式线性加速训练性能，同时还将数据采集、标注、训练、评测、应用、部署全流程打通形成高效闭环，从而使得AI创新、迭代和优化更加高效。
以软件2.0为核心的AI研发方式。芯翌科技研发团队基于软件2.0的思想进行了广泛的运用和实践，并进一步总结了“数据即代码，模型即软件”的软件2.0核心思想，极大促进了芯翌科技深入的技术创新和广泛的业务落地。
都大龙表示：芯翌坚信人工智能技术的长期价值和波澜壮阔的应用前景，重视人工智能系统性能力的持续积累，并希望与行业参与者一起共同推动和加速智能化时代的发展。
为了助力解决当前国内人脸识别领域的数据与标准混杂的问题，进一步推动行业的进步与发展，基于NIST-FRVT参赛过程和优化经验，芯翌科技将与清华大学联合推出全球最大的公开人脸数据集以及基于此数据集的一系列benchmark。相关学术论文已经被计算机视觉与模式识别领域国际顶级会议CVPR2021接收，相关数据集和论文会于近期进行发布和公开，请大家关注我们的后续报道。
当前，芯翌科技以人脸识别为代表的一系列人工智能技术已经广泛应用于智慧城市、智慧工业、科技防疫等领域，并在一些极具挑战的场景下实现了大规模的落地，比如大规模城市级数亿底库人脸识别、大规模城市级人像无底库聚档等，均取得了突出的成果和成绩。接下来，芯翌科技将持续提升技术与产品的研发能力，为不同行业提供更加优质的人工智能服务，助力客户在智能化时代的创新与突破。
国内人脸识别研究现状
最近几年，在国内掀起了一股图像处理、分析、识别的热潮，而其中的车牌识别和人脸识别无疑是其中的研究热潮。
本人没有做过车牌识别的项目，不便叙述，不过，倒是可以跟大家聊聊最近几年国内在人脸识别领域的一些发展情况。
广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括图像采集，人脸定位，预处理，人脸特征提取，模式分类、判决识别等等。当然，还包括相应的摄像机，摄像头等光学设备，以及PC，DSP,ARM等计算平台。毋庸置疑的是，在这当中，基于图像的智能分析（包括人脸定位，预处理，特征提取，模式分类，判决识别扥）是最重要的一个环节。而这个部分，属于模式识别、人工智能、机器学习相结合的一个产物。但就知识面来说，需要对概率论，数理统计，模式识别，模式分类，图像处理，线性代数，随机过程，高等数学等等这些课程有一定的熟悉程度。当然了，如果，你是在学校里面搞科研，matlab是肯定要熟练才行。如果，你是在公司里面搞图像算法方面，编程（一般采用c++）肯定是少不了的。当然，如果你不是专门搞图像算法这部分的，大概了解了解就可以了，如果仅仅是想利用业余兴趣来学习，个人感觉，会非常困难。人脸识别，是20世纪80年代提出的，不过，国内真正开始做这部分，是20世纪90年代。个人认为，国内最早研究人脸识别的，当属于中科院计算所跟哈工大的一个联合面像实验室。该实验室的高文教授，陈熙林教授，山世光教授，直到今天，都一直活跃在人脸识别领域，更可贵的是，在IEEE上面发表了很多paper。这一点，很值得国内的同行学习。后来，该实验室，成为上海银晨的研发中心，专门为上海银晨做技术研发和技术支持。其次是中科院生物识别研究所的李子青教授，以及下属的中科奥森公司。李子青教授，当年在微软亚洲研究院的时候，就从事人脸识别方面的研究工作。后来，在中科院组建了专门的人脸识别研究团队（当然是他跟他带领的一群博士硕士）。该研究团队，首先提出了基于近红外的人脸识别技术，并将该项人脸识别技术用于08年北京奥运会。同时，基于近红外的人脸识别技术，得到了国际上同行业专家的认同和一致肯定。顺便提一下，李子青教授编辑了一本名为《Handbookoffacerecognition》的书籍，可以说是目前人脸识别领域，最为全面的一本参考书。接着，是清华大学的丁晓青教授。丁晓青教授在OCR(字符识别)领域，可谓国内第一人。不过，最近几年转行做人脸识别，也是非常有成就的。不说别的，就只从FRVT2006（美国国家标准研究所2006年全球人脸识别供应商系统性能测试）的测试结果来看，丁晓青教授的研究团队（自然也是丁教授跟她的博士、硕士）是唯一一个完成大规模3D人脸识别性能测试的参赛团队。由此可见，在国内人脸识别领域来说，她们的算法，在3D领域，绝对排名第一。不过，国内人脸识别产品市场占有率最高的，是汉王科技的门禁和考勤系统。汉王科技也是中科院下属的一个公司，其人脸识别技术，是采用双摄像头，分别捕获到人脸的信息，从而合成3D人脸图片，然后进行特征提取和相应的识别工作。最后一个，就是深圳的飞瑞斯，该公司最近也在推广其自主开发的人脸识别系统。于前几位不同的是，它们采用了多光源进行补光的策略，从而有效解决了人脸识别中环境干扰的问题。当然，除此之外，也有一些小公司或者单位，也在从事人脸识别方面的研究工作。不过，都没有自主的技术或者产品推出。在这里，就不介绍了。注意：以上均为本人观点，仅供参考。
人脸识别的合法性边界与刑法适用限度
从人脸识别第一案引发能否要求顾客强制刷脸的讨论，到滥用深度伪造技术突破人脸识别系统窃取支付宝内余额的刑事第一案，人脸识别的风险已困扰人们的日常生活。然而，智能技术的超前性与法律的滞后性之间存在天然鸿沟，带来法律适用难题。同时，理论与实践过分期待刑法功能，催生刑法适用扩张化，使人脸识别的发展空间日益逼仄。鉴于此，有必要界定涉人脸识别行为的合法性边界，以保持刑法适用的限度，助力人脸识别的技术创新与法益保障之间的平衡。
为平衡人脸识别技术的发展与风险控制，对人脸识别的刑法适用应保持适当限度。在外部限度上，应基于整体法秩序立场，甄别人脸识别合法与非法以及刑法与前置法的边界；在内部限度上，进入刑法评价后，涉人脸识别的不法行为在此罪与彼罪、重罪与轻罪之间亦应保持谦抑。
外部限度：整体法秩序下人脸识别的违法性标准
当前我国关于人脸识别技术的运用尚无高位阶、系统性的法律规范，既有规范多为国家标准，如国家质量监督检验检疫总局、国家标准化管理委员会发布的《信息技术生物特征识别应用程序接口》《公共安全人脸识别应用图像技术要求》等。其中，《信息安全技术个人信息安全规范》为人脸识别的运用设置了一定的标准，上述规范是目前甄别人脸识别运用合法性边界的重要依据。
1.勘定人脸识别运用合法边界的基本原则。在当前具体法律规范阙如的背景下，先要确定人脸识别运用的基本原则，以此作为划定人脸识别运用合法性的总领思路。
首先，以保护法益为核心。人脸识别的运用涉及多方法益，以隐私权为例，可以洞察法益保护原则的地位。民法典第1032条表明，隐私的核心要素是安宁性和私密性。如果一味追求商业价值和管理效率，必然导致侵害隐私行为泛滥成灾，颠覆公民对法治国的合理期待。应当拒斥侵犯公民隐私权的人脸识别行为，但对某些仅有轻微法益侵害性的行为，能够带来更大社会效益，也需适度容忍，这就需借比例原则来考察。
其次，以比例原则为标尺。当人脸识别技术的运用有法益侵害性时，也需在获取效益和侵害法益之间进行衡量。若适用人脸识别技术获取的效益显著大于所侵法益，则运用人脸识别的行为可以阻却违法性。比例原则可以为人脸识别合法性边界划定具体标准。
再次，以同意原则为前提。在商业活动中，适用人脸识别技术和采集人脸识别信息，应以信息主体的知情和同意为底线。以暗设人脸识别装置等方式，未经权利人同意获取其人脸识别信息势必违法。对于虽有形式同意，但权利人并非实质自愿的，也不具有正当性。当前违反同意原则获取人脸识别信息大致包括下列两种类型：（1）不知“刷脸”可能对个人带来不利后果；（2）虽知“刷脸”会有不利后果，但迫于所处境遇难以拒绝。
2.明确涉人脸识别行为刑事违法性的基准。违反前述三大原则的行为具有一般违法性，但进入刑事法评价仍需具有可罚的违法性，这是刑法适用外部限度的基本内涵。基于其法益侵害类型性和司法裁判现状，当前涉人脸识别犯罪包括以人脸识别为对象的犯罪和以人脸识别为工具的犯罪。前者一般构成侵犯公民个人信息罪，后者主要是财产犯罪，应以实质的法益侵害性作为判断可罚的违法性的标准。
其一，实质法益侵害性应是判断侵犯人脸识别信息行为刑事违法性的标准。
首先，通过数量不法判断实质法益侵害性。最高法、最高检《关于办理侵犯公民个人信息刑事案件适用法律若干问题的解释》（下称《解释》）第1条在划定“公民个人信息”范围时并未列举生物识别信息；第5条第（四）项将住宿信息、通信记录、健康生理信息、交易信息等列举为公民个人信息，其入罪标准为500条以上，第（五）项则对公民个人信息范围作兜底性规定，即兜底性公民个人信息的入罪标准为5000条以上。笔者认为，《解释》第1条虽未列举生物识别信息，但前置法都将生物识别信息纳入公民个人信息范畴，基于整体法秩序，刑法对此不能否定，可通过第1条中“等”字，将生物识别信息列入公民个人信息。《解释》第5条是关于侵犯公民个人信息罪的入罪标准，但皆未指涉侵犯生物识别信息的数量不法标准。争议是将侵犯生物识别信息解释为第5条第（四）项的“健康生理信息”还是第（五）项的兜底性规定。若为前者，则入罪标准为500条；若为后者，则入罪标准为5000条。刑法扩张适用的观点倾向于前者，但在整体法秩序下存在规范障碍，因为《信息安全技术个人信息安全规范》将“生物识别信息”与“健康生理信息”规定为两种相互并列的公民个人信息类型。概言之，若将前置法上有互斥关系的两对概念解释为刑法上的种属关系，不仅有违逻辑，更破坏法秩序的统一性。本文认为，不能为扩张处罚便罔顾罪刑法定原则的限制，应依后者解释，其入罪不法数量应为5000条，如此既能坚守罪刑法定原则的形式侧面，也能保持刑法的谦抑性。
其次，通过特定情节判断实质法益侵害性。例如，根据《解释》第5条第（二）项规定可知，当行为人明知或者应知他人利用人脸识别信息实施犯罪，仍然向其提供人脸识别信息的，则无须数量不法亦可入罪。再次，通过法益阙如否决实质法益侵害性。若行为人获取他人的人脸识别信息已经全部失效，无法识别特定自然人，则无法益侵害性，难以构成犯罪。总之，对刑事违法性的判断不应拘囿于形式不法，关键在于是否存在实质的法益侵害性，对仅有形式不法并无实质不法的行为不应归入刑法调整。
其二，实质法益侵害性也是判断利用人脸识别侵财行为刑事违法性的标准。对以人脸识别为手段的侵财行为，即使达到相应财产犯罪的数额标准（形式不法），但对法益并无实质侵害性时也应出罪。对此需借助实质解释的出罪功能，切实发挥我国刑法第13条“但书”条款的出罪功能。
内部限度：刑事法视阈下不法行为的适用方法论
涉人脸识别行为进入刑法评价后，此罪与彼罪、重罪与轻罪的界限也不明确，在个案判定中尚存理解偏差和应用困惑。
1.对增强侵犯人脸识别信息行为处罚力度的质疑。当前理论层面对侵犯人脸识别信息行为增强刑罚力度的主张主要分为两类：
其一，立法论上以专设罪名方式增加处罚力度。这样的立法设想并非弥补刑法规制漏洞，多因信息的敏感性和特殊性，希冀通过设置单独罪名以实现升维打击。这种立法逻辑具有较强的情绪化色彩，并不符合刑法的谦抑性立场。法定刑轻重适用可由法官在个案中通过自由裁量抉择，人脸识别信息的重要性和特殊性需要多重社会方法加以认可和保障，仅通过修改刑法无法完成上述任务，只会让刑法沦为社会管理法。因此，侵犯人脸识别信息行为通过适用侵犯公民个人信息罪足以应对，并无处罚漏洞。仅为加重法定刑便专设罪名只会使刑事立法碎片化，会动摇刑法的体系根基与权威。
其二，解释论上通过降低侵犯人脸识别信息的罪刑标准以增强刑罚力度。有学者主张，侵犯生物识别信息应解释为《解释》第5条第（十）项“其他情节严重的情形”，并创造性提出侵犯“5条及以上”的人脸识别信息为“情节严重”，侵犯“50条及以上”的人脸识别信息为“情节特别严重”。概言之，若按前文解释侵犯人脸识别信息的入罪标准（情节严重）为5000条，法定刑升格标准（情节特别严重）为5万条。原本侵犯人脸识别信息低于5000条的行为无罪，而按该论者解释不仅构成犯罪，更需适用升格法定刑，实现了“两连跳”。但是，这一解释结论并无可靠依据，仅因人脸识别信息的特殊性，论据并不十分充分。笔者认为，在既有刑法体系下，将人脸识别信息解释为生理健康信息抑或将侵犯人脸识别信息行为解释为“其他情节严重的情形”，不是破坏整体法秩序，就是虚置列举条款而直接适用兜底条款，不符合罪刑法定原则的法律主义要求。实际上，人脸识别信息的特殊保护先由技术手段实现更为妥帖，然后采取事先预防性法律规制。通过加重刑罚的方法只是事后救济，既难有效挽回被害人的损失，也使行为人成为一般预防的工具。
2.利用人脸识别技术侵财行为在轻罪与重罪间的界限。当前实践中，人脸识别作为犯罪工具主要涉及盗窃罪、诈骗罪和信用卡诈骗罪。为避免一味追求入罪化或重罪化而导致人脸识别技术被污名化，需甄别上述犯罪的界限。
一方面，通过隐喻推理法确定盗窃罪与诈骗罪间的界限。隐喻是以熟悉事物为船舶将陌生事实摆渡到法律规范。具体到盗窃罪与诈骗罪，“处分行为”有无是区分二者的恒定标准。对“处分行为”有无的判断可运用隐喻推理法予以甄别，例如，行为人伪造被害人3D面像骗过被害人人脸识别支付密码，进而获取被害人支付宝余额行为，支付宝作为软件（机器）并不具有被欺骗的可能性，即使通过3D面像“骗过”支付宝人脸识别系统，仍不能理解为诈骗支付宝。我们可以将3D面像比喻为私配钥匙，将支付宝比喻为保险箱，用3D面像“骗过”支付宝人脸识别系统取财与配一把钥匙打开他人保险柜窃取财物并无本质区别，均应构成盗窃罪。因此，行为人通过欺骗手段骗取被害人进行人脸识别以获取支付宝余额，若被害人不知是在进行人脸识别支付，因无处分意识，不构成诈骗罪而构成盗窃罪；若被害人知道是人脸识别支付，但误以为只是正常支付买单，而行为人却将被害人支付宝余额全部转走，因存在处分意识，应当构成诈骗罪。
另一方面，通过整体判断法把握盗窃罪与信用卡诈骗罪之间的界限。整体判断法在刑法量刑领域即全面考虑综合情节适当量刑。笔者认为，信用卡诈骗罪作为诈骗罪的特殊类型，其本质上仍然需要具备处分行为。对于信用卡诈骗罪的适用，应当视银行作为独立的处分主体存在，对被骗主体进行整体判断。无论是使用虚假信用卡、作废的信用卡或者冒用他人信用卡，被骗人或处分人都是银行，符合诈骗罪的基本构造。但是，单纯欺骗被害人通过人脸识别验证，进而登录被害人支付宝或花呗转移账户内余额行为，不存在使用信用卡的情形，欺骗被害人通过人脸识别验证是实行行为前的手段行为（预备行为），通过整体判断法可知并不存在被害人处分行为，只属于纯粹的盗窃行为。
（作者分别为东南大学网络安全法治研究中心主任、教授、博士生导师，江苏省徐州市铜山区人民检察院副检察长。本文节选自《人民检察》2021年第13期刊文《涉人脸识别行为刑法适用的边界》）