在我国较早时期计算机人脸识别技术就已进入研究阶段，因为该系统的核心技术较为单一简单。该技术的具体应用步骤为：引用该技术的企业需要收集公司所有人员的脸部图像以此在系统中录入详尽的面部数据信息，之后再将员工实际图片同面部数据信息实行精准的对照工作，实现该技术的零误差应用。正因如今各大企业引入人脸识别技术，所以大大提高了日常工作效率，完善企业的监管制度，给企业带来更大效益。随着该技术的认知度不断提高，其逐渐进入互联网金融行业，且在该领域的需求日益增加。

1人脸识别技术的基本概念

所谓人脸识别系统，其基础原理就是利用数学计算公式，针对人面部五官的位置和角度、脸型等具体信息实现数学计算，进而再次开展比对分析工作，最终根据计算对比数据，完成身份验证。也就是说，以人面部五官的信息为参照物，通过数学平面计算的相关理论，算出面部五官间的距离及角度等计算信息，以此为基准将面部信息量化为数据信息报告。

1.1人脸识别系统的实际发展

当前，在人脸识别技术方面的发展我国已能同国外核心技术持平。早在1996年我国就已开展该技术的分析实践工作，在此阶段还加入了虹膜识别的核心技术作为该研究的辅助工具，后经过一段时期的发展完善，该技术逐渐转为产业化的生产模式，在市场中的需求量持续攀升。

1.2人脸识别技术的主要特色

因为该技术的核心理念就是利用人面部细节信息完成公式计算，以此实现面部识别。因为每个人的面部特征都存在一定差异，所以这种信息唯一性成为该技术得以顺利进行的保障。该技术主要有以下几种特色：①非强制性。在该系统进行信息录入时，使用者不必做出具体动作配合该系统的图像获取，使用者只需简单的将面部对准识别摄像机即可。②并发性。该特性就是指人脸识别系统能够同时实现多份人脸信息的识别工作。③非接触性。该特性即指在录入面部图像时，使用者无需真正接触设备就可完成录入，操作简单高效。

1.3人脸识别的整体流程

该技术的工作流程主要分为四部分：①对人面部图像的收集检验过程，实现该过程的操作就是利用识别系统的摄像设备对人体动态、静态的面部表情进行详尽的收集工作，以此形成信息数据库。在检验过程中，如今利用率最高的计算方法就是Adaboost算法，该计算原理就是将较弱的分类方式进行整合，最终形成分类较强的新型分类方式。②开始人脸信息的拟处理阶段，该阶段的工作内容就是灰度校正、去除噪音、直方图均衡化以及几何校正等。③参照以上收集计算出的面部信息实行数据的提取研究，该步骤的研究对象主要为视觉特征、像素统计特征及面部图像信息量化特征等。④综合以上步骤的研究结果，进行最终阶段的人脸识别工作。

2人脸识别技术在互联网金融领域的实际应用情况

2.1安全系数增高

如今在金融领域中的人脸识别技术，因为人脸信息的唯一性，所以该技术的工作环节更加安全保密。而正因此种优点，使得该技术在互联网金融领域得以广泛应用。通过各项研究分析表明，人脸识别系统如今已满足金融领域对于安全加密的高度要求，且识别精准度可以无限接近百分之百，此准确度大大超过从前识别技术。

2.2操作简单快捷

因为计算机人脸识别技术采用自动识别，且识别速度快工作效率极高。在人脸识别过程中，该系统不但可以识别脸框的具体方位和大小尺寸，而且还可以对人体的性别年龄等特征进行识别。同时，在该技术信息录入时不需要使用者特意摆出姿势配合识别，操作简单不会给使用者带来负担。此外，将该技术应用在资金支付中，只需完成人脸识别就可实现资金付款，此种功能大大提升了日常支付效率，简便工作流程的同时还提高了付款的安全系数。所以说，人脸识别技术在金融业的大量应用，在提高安全系数的同时还给日常工作带来便捷，同时金融客户在信息录入时不会产生反感进而提高合作效率，给企业创造更大的收益。

2.3累积用户量

因为从前的金融行业工作内容复杂，所以用户在企业选择时更容易选择操作简单快捷的企业完成合作。例如当今流行的软件，支付宝、平安金管家等利用人脸识别的核心操作占领行业优势，所以该技术在商用价值上效果颇丰。由于该技术不但可以完成简单的人脸识别，还能融合工作内容极其复杂的金融企业，不断优化使用者的实际体验，以此累积用户量。

2.4全面深化互联网金融行业的改革

根据当前实际情况可以分析出，金融行业的发展离不开人脸识别技术的强大助力，因为运用该技术可以全面渗入线上信贷的业务服务中，以此深化消费金融的改革。且在金融行业融入识别技术，使得金融领域的日常工作更加简单高效，给客户带来便利高效的信贷体验，以此不断给行业创造经济效益。

3计算机人脸识别技术实际存在的不足

因为人脸识别始于20世纪，所以在我国该技术基础已经相对牢固，其应用领域也逐步扩展，但是该技术在实际应用过程中依然存在部分不足之处，应该引起相关人员的注意。

3.1应用失误

该问题主要表现在过度校正方面，因为误接受率和误拒绝率是判断人脸识别系统精准度的关键标准，而在该技术的实际使用过程中，这两项失误率并不能完全降低为零。所以为针对解决以上问题，人脸识别技术又会在使用过程中出现过度矫正的问题，此措施虽然可以在一定程度上减少误接受率，但是却将误拒绝率提高。具体表现就是在用户进行人脸识别时，即使是正确对应的客户但也会遭到系统拒绝，识别过程不能顺利进行，该现象严重降低了用户体验舒适度。另外，虽然当今的人脸识别系统对人脸的胖瘦改变、化妆修饰及自然老化方面进行顺利识别，但是对于部分整容人群却不能精准识别，且对于过于相像的人脸，因为提取计算信息有限，也无法准确实现识别。

3.2缺乏识别相关标准的设定

目前阶段的互联网金融业，主要将人脸识别应用在资金的支付方面，此种服务虽便捷了支付流程，提高了客户体验，但却给支付安全性的维护工作带来难度，为了加强支付渠道的安全保密性，就应该构建标准完善的安全支付平台。基于此，要将人脸识别在大众支付方面深入发展，相关责任单位就需要为此设定合理标准，在法律层面上给予支付安全以保障。

4以蚂蚁金服为例来分析人脸识别技术的发展趋势

在德国汉诺威国际信息及通信技术博览会的开幕式上，阿里巴巴董事局主席马云向德国总理默克尔和我国国务院副总理马凯展示了蚂蚁金服的“smiletopay”技术，用手机“刷脸支付”的方式在网上购买了一张1948年的汉诺威纪念邮票，完美展示了计算机人脸技术在支付中的应用。人脸识别技术是计算机技术研究的一个重要领域，广泛采用了融合了计算机图像处理技术和生物统计学原理的区域特征分析算法。通过计算机图像处理技术来从图像或视频流中提取人像特点，再利用生物统计学的原理建立人脸特征模板。之后将被测者的人像和已存储的人脸特征模板进行比对分析，然后得出一个相似值来确定是否为一个人。这项崭新的支付认证技术由蚂蚁金服与Face++Financial合作研发，在购物后的支付认证阶段通过扫脸取代传统密码。作为世界领先的人脸识别平台，Face++Financial人脸识别技术在LFW国际公开测试中能够达到世界最高的99.5%准确率。这样的远程非接触操作给计算机人脸识别技术在其他方面的应用提供了思路。互联网金融行业的远程开户、身份核实等应用正是这种远程操作的再运用，并且已普遍出现于金融行业的各个领域。未来计算机人脸识别技术在互联网金融行业的应用必将会朝着远程化发展，并且通过技术的完善和研究，计算机人脸识别技术的安全系数和保密系数也会提高，成为渗透人们生活的，值得信赖的一项技术。

5人脸识别技术的风险控制
著名的“斯诺登”事件，提醒了人们对于隐私安全、信息安全问题的高度重视，尤其是人脸识别技术应用较为广泛的金融行业，面临着许多各式各样潜在的风险问题，主要是身份的安全性以及数据传输过程中的安全问题。因此对于人脸识别技术的风险控制必须提上日程。随着人脸识别技术的推广，一些不法分子研制出了一种模拟真脸识别的攻击手段，这些足以对人脸识别造成威胁，进行不法犯罪活动，危害了社会金融安全，因此技术提供方必须时刻监控攻击手段的升级，以此来应对各种不法活动。但实际情况是，当今的人脸识别系统在技术较高的黑客攻击下难以保障系统的安全性，而风控相关产品的意图及时提高不法分子的欺诈成本，例如，不法分子要想实施十万元的诈骗，就需借贷二十万来实现欺诈行为，以此通过提高本金的形式降低欺诈率。所以基于以上，责任相关单位应该严格遵守监督管理条例，提高监管力度，因为注重风险的人，也必定会注意到风控技术，在采用先进技术的同时，也要考虑风险防控问题，持续提升企业的市场价值。

6结语

综上所述，因为人脸识别系统的高效性、精准性和便捷性，所以在当前互联网金融行业中被广泛使用。随着该技术的不断深入，给传统金融行业带来更高的经济效益，提高了服务质量，但是在应用过程中也因识别系统自身缺陷带来部分风险，只有相关部门对此做出应对措施，通过风险控制提高安全指数，进而为企业带来更高效益，也促进人脸识别技术向金融领域的持续渗透，成为企业发展重要的推动力。

参考文献

[1]侯鸿川，王生进，郑方，谢剑斌.生物识别技术在互联网与金融行业的应用研究[J].金融电子化，2016（04）.

[2]张文彬.人脸识别技术在互联网金融行业中的应用[J].电子技术与软件工程，2017（01）.

[3]路翀.基于二维图像表示的人脸识别算法研究[D].大连理工大学，2012.

作者:潘红 单位:中国电信股份有限公司上海分公司西区电信局