大數據時代：人臉識別技術在商業銀行中是如何應用的

在當前利率市場化、互聯網金融蓬勃發展、經濟新常態三大因素形成共振的歷史轉折點上，我國商業銀行經營模式面臨著全新的變革。如何在精細化經營管理的基礎上為客戶提供更優質、更安全的服務體驗，成為各商業銀行競爭的焦點。近年來，云計算、物聯網和人工智能技術變革式發展，相關應用百花齊放，對“大數據”資源的整合利用與智能化發展成為了商業銀行提高“內力”的修煉法門。人臉信息有著不可復制、不可盜取、簡便直觀等優點，是大數據時代各商業銀行應儲備和發掘價值的重要戰略資源。而隨著技術變革和應用的普及，建設大規模、分布式人臉數據庫及識別系統的成本不斷降低，識別的精度不斷提高?？梢灶A見，人臉識別技術在商業銀行領域的潛在價值將被不斷發掘提升，在保障服務安全性、節約客戶時間、提升客戶體驗、整合與挖掘數據資源等方面具備廣泛的應用前景。

　　人臉識別技術概述

人臉識別技術是以身份檢索或校驗為目標，通過從給定的靜態或動態圖像中提取人臉信息等手段，與數據庫中已知身份人臉進行匹配的過程。由于受到光照、表情、遮擋、朝向等干擾因素的影響，與其他基于身份證、虹膜、掌紋、指紋等技術手段相比，人臉識別技術的準確率相對較低，但其采集方式最為友好：無須當事人配合，甚至在其意識不到的情況下，就完成了對人臉信息的采集與識別。因此，人臉識別技術在過去的四十多年中一直是人工智能領域的熱點研究課題，至今已逐漸走向成熟，已經應用于反恐、安防、門禁等領域，近年來開始向教育、金融等領域推廣。

根據應用場景的不同，人臉識別可分為針對二維圖像的人臉識別、針對監控視頻的人臉識別、針對近紅外、熱紅外成像或素描等的多模態人臉識別和針對深度信息的三維人臉識別等。對于上述各種數據輸入類型，均有來自學術界、業界的研究人員提出了基于不同假設、不同模型、不同學科背景的人臉識別處理方法。經歸納，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。解決“有幾張臉、臉在哪”的問題，即從圖片或視頻中檢測并確定人臉的位置，并將其分離。二是人臉跟蹤（針對視頻人臉）。解決識別人臉“從哪來、到哪去”的問題，對檢測到的每一張臉在視頻各幀中進行跟蹤，如出現遮擋應在遮擋結束后恢復跟蹤，比如兩張人臉交錯而過應不出現混淆。三是人臉規范化。解決“鼻子、眼睛、嘴巴位置對得上”的問題，具體操作包括預處理、歸一化、人臉標定等。四是人臉識別。即解決“這個人是誰”（檢索）、“這個人是不是某客戶”（校驗）的問題。

在建立人臉數據庫及識別系統時，需要對人臉數據進行訓練并建模，如果數據庫動態更新還將涉及到在線學習等內容；識別人臉時，要把須識別的人臉與數據庫中已有的人臉進行對比，判斷二者相似程度，并按預先設定的標準進行檢索或校驗。人臉識別有多種方法，如：基于幾何特征、基于子空間映射降維、基于模板、基于模型、基于神經網絡等方法。

當前，基于“深度學習”的方法在一些算法競賽中取得了很高的識別準確率，并迅速在業界投入應用。深度學習并不特指某一個算法，而是Sparse Coding、RBM、深信度網絡等技術方法的總稱。作為一類基于神經網絡的方法，根據認知心理學，其主要思想是模擬人類大腦神經的信號傳遞。與傳統神經網絡模型2～3層訓練層不同，深度學習的訓練層數可達8～9層。因此在2006年該思想被提出之初，海量的訓練數據和很高的計算復雜度超出了當時硬件的承受能力。但由于計算機硬件性能的提升，深度學習算法在準確率方面的優勢迅速凸顯。目前，谷歌、微軟、百度等公司都成立了專門的部門對深度學習技術進行研究開發，市場上也涌現出一批基于深度學習的人臉識別團隊。目前，基于深度學習的方法已經成為人臉識別技術領域的重要發展趨勢和方向。

此外，一些人臉分析技術也隨著人臉識別技術的發展得到了普及和優化，包括對表情、年齡、性別等屬性的判別，使基于這些屬性信息的數據挖掘聚類、分類等大數據分析應用成為可能。人臉識別技術在實際應用中，還可以考慮與其他技術或輔助手段相結合，如結合深度信息實現活體檢測，判斷是真人還是照片等。

　　人臉識別技術在商業銀行的應用

人臉識別技術當前主要應用于公共安全領域，如：識別追蹤恐怖分子、布控犯罪率高發地區、機場安檢、司機駕照驗證、視頻監控等。然而，人臉識別技術在商業銀行同樣存在著巨大的發展空間。未來，商業銀行可以從安全防控和業務推動兩方面著手，對人臉識別技術在銀行落地進行全面部署和實施。

　　安全防控類應用場景

銀行的安防難點之一是在動態場景下完成多個移動目標的實時監測。人臉識別技術在銀行等人員密集的區域可以有效實現實時多目標在線檢索和比對，實際應用效果良好。而且人臉信息易于采集、難以復制和盜取、自然直觀，因此人臉識別技術可成為商業銀行安全防控手段的優先選擇。在安全防控領域，銀行人臉識別技術的應用場景有以下幾類。

營業場所人員影像控制。在商業銀行的營業場所，人臉識別可以通過“偽裝識別”進一步確保銀行經營的安全性。通過識別營業場所中面部遮擋（如戴墨鏡、口罩）的人員，系統可實時與警方數據庫中身份數據進行比對，一旦發現異常情況，可以迅速啟動黑名單預警機制或采取聯網報警措施。此外，還可以將采集到的嫌疑人面部照片提交公安機關，為后續預警和案件偵破提供有力證據。

業務庫區人員身份識別。銀行經營過程中對安全性的極高要求使其身份驗證技術較其他領域更為嚴格。例如，在金庫、押鈔車、ATM機加鈔室等特殊環境下，許多傳統的身份驗證方法均難以滿足要求，例如驗證密碼容易被盜、指紋識別可被復制、門禁卡容易遺失。帶有活體檢測功能的人臉識別技術可克服上述缺陷，進一步提升銀行安防與保密安全性。

ATM機智能識別報警。在以ATM機為代表的自助設備應用場景下，人臉識別技術同樣具有廣泛的應用空間。如：通過ATM機內置攝像頭識別取款人身份，與銀行卡所有人信息進行比對，防止盜刷現象；識別偽裝或故意遮擋面部的人員身份，與警方數據庫進行比對，保證取款人安全。當上述情況發生時，系統可觸發預先設定的報警規則，最大程度地保護銀行客戶的資金和人身安全。此外，人臉識別系統還可監測客戶遺留財物的情況，實時提醒，提升用戶體驗。

　　業務推動類應用場景

當前人臉識別技術在銀行業務推動領域的應用方興未艾，各商業銀行仍處于積極探索階段。從商業銀行業務推動的視角來看，人臉識別具有如下應用方式。

遠程開戶與登錄。作為銀行開戶時的重要流程，面簽不僅耗費客戶時間，而且占用銀行人力資源。通過用人臉識別替代傳統的肉眼辨識工作，不僅可以節約時間和成本，完成從填寫個人資料到面鑒開戶再到取卡、激活的全流程操作，提升用戶體驗，而且可以在全網范圍內對客戶身份及信用背景進行識別和關聯，避免人工面簽時受到心理、經驗等因素的影響。此外，在客戶通過手機銀行或網上銀行進行遠程登錄時，可以通過人臉識別代替傳統的密碼輸入操作，完成客戶查詢賬單、信用卡還款、個人卡間互轉、定活期互轉等個人資金劃轉等功能，避免密碼被盜或遺忘等現象。

客戶個性化服務。當前商業銀行競爭日趨激烈，對客戶資源的爭奪已由產品導向型轉化為服務導向型。通過定制化的個性服務提升客戶體驗將成為未來商業銀行競爭的重要手段。運用人臉識別技術可以很好地完成對客戶的識別和精準信息搜索，當某位客戶進入營業網點后，可通過人臉識別技術快速判斷客戶是否為該行現有客戶，準確獲取客戶姓名、年齡等信息，方便網點工作人員拉近與客戶的距離。此外，通過對客戶以往產品購買、交易流水、業務習慣等行為模式的提取和分析，進一步有針對性地為客戶進行產品推介，從而有效提升營銷成功率，與客戶實現共贏。

人臉識別貸款發放。在銀行貸款發放過程中，為有效杜絕冒名貸款、惡意騙貸等現象，可考慮引入人臉識別技術進行防控?；谫J款客戶已在網點錄入的人臉信息，通過數據共享，可以實現客戶在全網點內的身份識別和驗證，真正做到身份信息與銀行信息的精準對應，實現貸款客戶身份認證信息化、智能化、網絡化管理。

綜上可知，人臉識別技術在商業銀行應用前景廣闊。結合我國商業銀行的實際經營情況，建議各銀行根據自身業務發展，以業務推動為抓手，優先開展人臉識別技術在客戶服務領域的部署與實施。這是因為：一方面從客戶角度看，人臉識別技術直接應用于客戶服務，能夠解決客戶最迫切的需求，給予客戶最直觀的服務體驗，有助于快速提升客戶滿意度；另一方面從商業銀行角度看，面向客戶服務的人臉識別應用可以快速為銀行創造利潤，效果明顯，可以為人臉識別在銀行的全面落地奠定良好基礎。

　　發展建議

人臉識別屬于計算機科學應用研究而非基礎理論，對不同算法進行比較和評價的依據是實驗和實踐。

當前，業界較為通行的人臉識別算法基準有LFW（Labeled Faces in the Wild）和FRVT（Face Recognition Vendor Test）。LFW數據庫由美國馬薩諸塞大學阿默斯特分校建立，包含13,000余張圖片，多數來自網絡而非實驗室環境。在數據庫中，對同一個人物有的存在多張圖片，有的只存在一張圖片。由于圖片均為日常環境下正常拍攝所得，實用性強，測試難度系數高，實驗結果有說服力。學術界和業界分組別參與該項基準測試。FRVT由美國國家標準及技術研究所組織，目標為測試業界人臉識別算法的性能。該基準測試使用一個包含160萬人的大數據庫，不定期進行測試，最近的一次是在2013年，僅對業界開放。

國內商業銀行在發展人臉識別技術具體應用落地時，除了考慮對LFW和FRVT兩個業界權威標準進行參考外，還應立足于對一些實際情況的考量，建議可以優先選擇國內的技術產品。一是因為國際上的算法普遍趨同，國外產品的實現效果與國內相比無顯著性差異，但價格往往高于國內。二是考慮盡職調查和個性化定制談判，國內的接洽成本遠低于國外。三是監管風險，鑒于商業銀行的數據屬于核心金融數據，應充分考慮在監管要求下的用戶數據安全，并盡可能規避國內外法律體系差異引起的法律風險。四是硬件約束，如果使用國外云服務API，可能出現跨國網絡延遲的問題。五是在算法實現方面，國外技術訓練數據集中黃種人的圖片較少，可能影響應用效果。六是考慮產品售后服務和技術支持，國內產品的服務響應速度與國外相比存在較大優勢。鑒于上述原因，國內商業銀行在應用人臉識別技術時可優先考慮從國內領先的服務供應商中進行選擇。

此外，在一些具體應用的功能設計方面，還應遵循相關監管政策與行業規范。以遠程開戶業務為例，央行2015年8月下發的《關于銀行業金融機構遠程開立人民幣銀行賬戶的指導意見 （征求意見稿）》中要求：“銀行采用現代化的安全技術手段，利用政府部門數據庫、本行自身數據庫信息、商業化數據庫信息，通過客戶信息交叉驗證、其他銀行賬戶交叉驗證，電話回訪、郵寄資料等方式，構建安全可靠的遠程開戶客戶身份識別機制；同時，還可根據開立賬戶性質采取同一法人不同分支機構見證、通過第三方識別客戶身份、上門查驗身份證明文件等方式進行客戶身份信息核實、開戶銀行承擔客戶身份識別責任?！睂y行遠程開戶業務納入監管，并明確銀行是識別客戶身份的責任主體。央行2015年12月25日發布的《關于改進個人銀行賬戶服務加強賬戶管理的通知》將政策落地，其中明確“提供個人銀行賬戶開立服務時，有條件的銀行可探索將生物特征識別技術和其他安全有效的技術手段作為核驗開戶申請人身份信息的輔助手段?！比四樧R別技術作為生物特征識別技術家族中的重要成員，預計將成為一種主流的備選方案。而隨著業務發展，未來可能還會再出臺更加細化的規范或指引。因此，各商業銀行應注意加強對新政策、新規定進行學習，并與相關政府機構、監管部門保持溝通，從而在設計和實施相關流程與系統時做到合規。

隨著硬件設備的快速升級和算法技術的不斷發展，人臉識別技術逐步從學術研究走向業界應用，并展現出強大的生命力。人臉信息具有易于采集、難以復制和盜取、自然直觀等優點。人臉識別技術為商業銀行安全防控和業務推動等應用模式提供了新的技術選擇，并進一步開拓了業務運營模式。我國商業銀行可以考慮從業務推動類服務入手，在借鑒國內外權威標準的基礎上，優先選擇國內有競爭力的服務提供商，有步驟、全方位地推動人臉識別技術在商業銀行的落地實施。