“朱茵变杨幂，流量一个亿。”最近，有好事者用AI技术将杨幂的脸“贴”在了朱茵饰演的黄蓉的脸上，这个段子也成了人们茶余饭后的谈资。但其实这并不是首例，“AI换脸”早就被玩坏了，奥巴马“耍滑板”、盖尔·加朵“演不可描述电影”，从总统到明星无一幸免。

与“换脸”有着密切联系的另一个“脸”便是“人脸识别”，无论是门禁还是支付，人脸识别已经渗透到了日常生活中的方方面面。两张“脸”有着浓厚的“血缘关系”，但却让人倍感“攻-防”的焦虑。现如今汽车其实也逐渐地开始融合了人脸识别技术，但其应用场景究竟如何呢，“攻-防”的矛盾又该如何破局？

60秒快速阅读：
　　1、人脸识别其实是生物特征识别技术领域的一种，将眼睛间距、面部纹理、肤色等等全部转换成了数据特征，以此来进行身份鉴别。“AI换脸”也是人脸识别技术的应用。
　　2、如今，人脸识别技术已经逐步应用到了解锁汽车车门、疲劳检测等领域，随着汽车网联化进程的发展，人脸识别作为身份专属ID将有更大的发展空间。
　　3、在信息科技时代，安全问题贯穿始终，人脸识别技术其实也面临着安全威胁。没有绝对安全的系统，功与防的矛盾一直存在。

“换脸”与人脸识别

“换脸”，简单地来说就是用AI算法，将一个人的脸合成到另一个人的脸上，表情丰富且自然，简直让人难辨真伪。主流的“换脸”技术都是基于深度学习神经网络，选取对象几千甚至几万张人脸素材进行“训练”，素材越丰富、训练数据足够多，则越能乱真。选取对象的准则就是要具备丰富的表情变化，这就是为什么被“换脸”的通常是明星或公众人物，因为取材更简单。对于“路人”或者表情麻木者大可不必担心自己某天会出现在“不可描述”的视频中。

『换成杨幂脸的黄蓉』

可以看出，要实现“换脸”首先就需要让机器学会识别人脸，AI做的第一件事是识别，第二件事才是换脸。因此，“换脸”也算是人脸识别技术的应用。

早在20世纪50年代，科学家就开始对人脸识别展开了研究，它是生物特征识别技术的一种，与之类似的还有指纹识别、声音识别、视网膜识别，甚至是个人行为习惯等都隶属于这一领域。

但是问题来了！脸部胖瘦、单/双眼皮、头发多少等等生物特征对于人来说识别起来非常简单，但机器的眼里却只有数字，几十亿人每个人的人脸都有所差别，那么庞大规模的人脸特征又从哪来呢？这便是深度学习发挥作用的地方了。深度学习，可以理解为模拟人脑进行分析学习的神经网络，模仿人脑的机制解析数据，包括声音、图像等等。对于人脸识别而言，深度学习通过千万甚至是上亿的人脸数据库学习训练后，生成适合于机器识别的人脸特征。

如此就不难理解，有足够多的素材，就能“喂”给机器足够多的数据，就能不断提升它的能力，人脸识别在实际应用场景中的预期效果就越好。所以，为了提高智能算法的准确性，大量数据的积累是必不可少的，毕竟，全球数十亿人，长相相似的大有人在。

人脸识别在汽车领域的应用

当初苹果推出具备人脸解锁功能的iphone产品时引起了人们广泛的好奇心，虽然人脸识别不是苹果发明的，但可以说为该技术做了一次大范围的认知普及，普通用户开始越来越多地了解了这项技术。

人脸识别的应用其实主要用在两个大方向，即1：1认证和1：N认证。所谓的1:1，就是证明“你是你”，比如手机人脸解锁、支付宝的刷脸支付，以及安检等场景。而1：N认证，就是从一群人当中识别出你，比如用于警察破案，或者是定位闯红灯者等等。

那么，人脸识别这项黑科技在汽车领域都有哪些用处呢？举个非常简单的例子，如果在车展上，某汽车公司收集了一部分来到展台的人脸照片，那么后续是不是可以点对点地进行精准的汽车广告推送呢？这是不是也是在汽车领域的实践呢。

不过，推送广告这种让消费者普遍很不舒服的事情显然不应该是人脸识别在汽车上的真正用武之地。

人脸识别在汽车上的应用大多是用到了该技术的1：1认证。最直观的便是人脸解锁车门，将探测到的人脸与已保存到的人脸特征进行比对。比如，凯迪拉克XT4(参数|询价)就能通过B柱的摄像头刷脸开车门。新造车企业，比如拜腾也配备了人脸识别技术，同样是在B柱摄像头刷脸。另外，防盗也是人脸识别在汽车上的重要应用，即便坐在车内也开不走汽车。

通过人脸识别用车的场景还包括租用共享汽车。由于发生过严重事故的原因，人脸识别技术逐渐被用在了共享汽车领域，验证驾驶证和实际用车人的一致性。但是，目前许多共享汽车企业实际上是通过手机App来采集图像并与后台智能算法平台比对来实现的。还不能算是人脸识别集成在汽车上的应用。

而另一个最具实用意义的场景就是疲劳检测，是通过人脸识别技术与主动安全辅助系统结合来实现的。当系统检测到驾驶员闭眼睛、打哈欠、抽烟或者左顾右盼等等行为时，便会采取报警、制动等安全措施。斯巴鲁DriverFocus系统就是疲劳驾驶的“杀手”，它通过红外传感器和面部识别软件来识别司机疲劳或分心的迹象，目的就是为了降低事故的发生率。疲劳检测其实也用在公交车场景，但也有用于安防布控的，就是方便警察叔叔抓人。

在2017年CES上，博世、大陆、英伟达、克莱斯勒均展示了车内人脸识别的应用。未来，随着汽车智能网联的不断进化，人脸识别其实还有更大的发挥空间。

当汽车网联化之后，移动互联网时代的“一个账号，永远在线”就将被充分体现在汽车上了，人脸作为专属的ID。当驾驶员上车后，汽车能识别出这个ID适合的座椅状态、后视镜合适位置、所喜好的音乐等娱乐信息，以及驾驶偏好和历史轨迹等等，这将大大提升驾乘体验。当然，未来在车内实现支付也不是难事。

在相同的技术原理上做进一步的延伸，既然可以对“人脸”进行识别，那么其实也可以对“车脸”进行识别，对于机器来说不过是“喂”数据而已。其中一类应用便是，根据车辆外观、型号、颜色等来获取车辆各项信息；另一类就是根据外观缺陷或损伤进行事故检测。

人脸识别的“路”还远

人脸识别在智能手机和一些公共场所已经大规模应用了，但是在汽车领域似乎还没有大规模普及。

虽然有一些数据显示所谓的人脸识别“准确率”能达到99%甚至更高的水平，但业内人士反映，这只是实验室级别、纯粹的学术测试，是在限定的环境下实现的，不排除企业夸大宣传。而至于复杂的实际应用环境下，识别准确率直线下降。比如，光照（黑暗）、遮挡、姿势、距离等等影响因素都是问题。也许用手机人脸解锁感觉还不错，但是汽车使用场景难以达到手机场景的良好环境，假如B柱摄像头有污渍，那这是不是也给用户带来了糟糕的体验。

另外，汽车企业最关注的是产品的稳定可靠性，以及成本管控。人脸识别虽然起源于上个世纪，但也是一项不断迭代升级新事物，还不能算成熟。并且，现如今智能钥匙依托无线射频技术只要靠近汽车就能自动解锁车门，从实际使用场景来说比人脸识别更加便捷，实现成本更低。说白了，用钥匙百分之百能开门的情况下，为何要花大力气去开发一个存在识别错误率的功能。

不过，技术的应用其实与市场有着紧密联系。根据美国印第安那大学对交通事故原因的调查研究发现85％的事故与驾驶员有关，车辆和环境因素只占15％。这就意味着疲劳检测其实是有足够大的市场空间的。

除了便捷度、成本和技术本身等问题之外，另一个问题也随之而来，当“AI换脸”火了的时候，人脸识别还能不能保证安全也让人倍感担忧。“以子之矛，陷子之盾，何如？”，当照片无法骗过系统时，如果用“AI换脸”来应对人脸识别又会如何呢？

其实，人脸识别在对身份进行核验时有一个重要的环节是“活体检测”，比如安排随机眨眼、摇头等随机动作，其目的就是为了防范照片、视频或其他软件来对系统进行攻击。并且，通过深度学习来加强训练模型也可以依据纹理、反光等特点来甄别“假脸”。

不过，没有一个系统是没有漏洞的，电影《我是谁：没有绝对安全的系统》恰恰演绎了这个逻辑。在GeekPwn2017国际安全极客大赛上，一位黑客仅用时两分半就骗过了人脸识别系统。

记得零跑S01上市时，搭载了这么两个技术：一个是指静脉识别，另一个是人脸识别。暂且抛开新造车企业是否靠谱不谈，也把这两个技术的实际体验如何搁在一边。单纯从“通过指静脉识别解锁车门，通过人脸识别启动车辆”来看，其实就代表着一个安全逻辑。

在互联网时代，“钥匙”是什么？是密码、手机号、身份证号、验证码，以及各种生物特征等等。人脸识别无法彻底解决安全问题，其实还可以用多重认证，比如声音识别+人脸识别等等。所以，人脸识别作为其中的一个验证环节，与其他“钥匙”配合使用才能提高安全性。但问题是，隐私“裸奔”的环境下，在互联网上“配钥匙”丝毫不比线下配把钥匙来得困难。信息科技时代的“安全”永远都是处在攻防的动态平衡中。因此，如果揪住某单项技术能不能做到百分百安全不放，这就变得没有丝毫意义了。

说到底，技术需要用在适宜的地方，任何技术都有场景的局限性。

全文总结：

就当前而言，用手拉开车门可能比人脸识别来得更方便，刷脸启动车辆也不见得比钥匙方便多少。没有大众(限时抽奖)化普及，也离不开背后对安全、成本等等各方面因素的考量。但人脸识别技术用于汽车仅仅是因为酷炫，显得高配吗？人脸识别其实是一项“软”技术，而从当前汽车的发展趋势来看，汽车产品也在逐渐由“硬”变“软”，软件定义将成为汽车的重要特性。AI与汽车的深度融合将逐步挖掘出更大的价值，这也是一些黑科技陆续“上车”的原因。