人脸识别已经在金融领域大显身手，很多明星AI公司均具备了完成“刷脸”的能力。
国内众多银行也开始大范围使用人脸识别技术，把其应用在手机银行刷脸登录、辅助远程坐席和柜员客户身份核验以及小额支付等业务当中，但真正把“刷脸取款”服务应用在线下ATM自动取款机中的银行却非常少。
目前把“刷脸取款”在全国范围内大规模应用的只有农业银行和招商银行，其中农行的刷脸取款服务则覆盖了全国2万多个分支机构，深入到县乡镇。
作为农行2万家刷脸取款服务的软硬件算法方案提供商，云从科技在成立2年的时间里推出了48种银行业解决方案，连接ATM/VTM、人证合一、红外双目等多种硬件的金融科技平台。
在本期雷锋网公开课上，云从科技金融事业部总经理张兴旺基于自己多年的研究和行业经验，从“刷脸取款”切入，深入分享了AI技术将怎样以全产业链、智能硬件和大数据的形式，深刻地变革整个金融行业。
嘉宾介绍
招行ukey多少钱（网络配图 侵删）
张兴旺，云从科技金融事业部总经理
美国项目管理协会项目管理专家，银监会2013年、2014年二、三类科技风险管理研究成果主要负责人，原青岛银行直销银行部筹建人，负责金融产品设计和运营工作。
张兴旺有着丰富的银行业业务分析和管理经验，扎实的技术基础及复杂大型项目管理经历，熟悉银行业、证券行业及互金行业。
7年银行从业经历，先后负责银行短信平台、金融市场资金交易及风险管理系统、供应链融资平台、信贷管理系统、国际结算及贸易金融系统、影像内容管理平台、验印系统、票据系统、客户服务系统项目集等多个系统建设、升级项目。6年公检法及国土、社保等政府行业项目管理经验。
本次公开课包括以下内容：
技术研究和产业化落地的区别（以刷脸支付及刷脸取款为例）
金融行业为什么需要人脸识别技术
人脸识别技术在金融行业有哪些应用场景
作为一个技术企业，如何服务好金融行业
当前的技术，在解决实际金融问题过程中面临的挑战
AI在金融行业未来发展中的意义
以下是公开课正文内容：
招行ukey多少钱（网络配图 侵删）
技术研究与产业化落地之间的差异
我们很多人工智能技术的研究，实际上主要目的是作为可行性研究，通常在实验室诞生。
其主要形式是通过做一个业务原型，然后验证这一技术可用即可。它的目的包括：证明理论方向是否正确；探索理论是否可以落地；辨别和论证一项事物是真是假。
而技术研究与产业化落地，两者之间存在较大的差异。
技术研究往往是简单的原型验证，这时候我们会有一种以管窥豹的感觉：比如做某一个层面的研究，实验室认为这件事可行，然而大多数情况下离落地还有一定的距离，实验室的研究结果不能够全面统筹和解决整个项目的所有技术问题。
招行ukey多少钱（网络配图 侵删）
研究员们做实验时，有必然成功的结果，也有必然失败的结果，同时也会有偶然的结果。我们做技术研究时，会出现把“偶然”当做“必然”来考虑。有时候，论证理论虽然完全可行、可以落地，但理论研究和实际落地的差距仍然很大。
因此需要结合市场和外部环境来看技术研究存在的问题，那么产业化落地时候要处理什么问题？
首先要解决技术研究时期没有遇到的问题。
做技术验证时，需充分进入市场了解市场上的所有信息，然后充分验证技术本身的价值。
产业化落地是一件非常难的事情，通常数倍于技术研究、人力、财力和时间的投入。
我们经常会遇到技术研究结论误导的情况，在做技术研究时，有时明明认为一个方向可以，但实际上真正去用的时候发现并非如此，只有少数情况可以。
这些便是产业化落地需要解决的一些问题。
刷脸支付的愿景
招行ukey多少钱（网络配图 侵删）
以刷脸支付为例。
2015年4月，马云在汉诺威展示了刷脸支付，但直到近期大家才看到产品逐渐开始落地。
这两年多期间整个行业遇到了各种各样的问题，行业完成了理论研究，然而却在落地时发现存在不少难题：
第一，当时市场上人脸识别准确率不到70%，这意味着每做三次人脸识别，就有一次可能会失败。
可以想象，当年马云展示刷脸支付时，一定顶着很大的压力和勇气，因为过程中很有可能会遇到识别不了的情况。
第二，用户必须正面对镜头，不能有任何表情。
第三，光环境适应不佳：一定要在面部光环境很均匀的情况下才能做识别。
马云在刷脸支付过程中有一个细节大家可能没注意到，他当时把手机举得很高。拿高的原因很简单，就是为了让他面部有光，且要均匀。
第四，化妆、戴眼镜这些场景下难以识别。
第五，用户头部（脸部）有倾斜、转头，无法识别。
第六，人脸识别技术很容易被他人冒充。
第七，识别速度较慢。
第八，对网络带宽要求高。
第九，刷脸时对用户要求多，体验差。
早期我们在做产业化时发现，很多东西投入产出比太低，安全性不够，用户也无法接受。所以要把刷脸支付搞成产业化，实际上非常困难。
刷脸支付的落地（一）
招行ukey多少钱（网络配图 侵删）
2015—2016年，刷脸支付在产业化落地过程中，解决了各种各样的问题，可谓是翻越崇山峻岭。
截止至2016年底，国内一线厂商已把识别率提升到99.8%，同期，全国首台刷脸支付购物机也落地运营。
在各种光环境下，人脸识别的稳定性、有效性都通过大量的数据验证和学习，得到了足够有效的提升。用户再也不用为了刷脸还把脸放在光线很好的环境下，而且面部无需完全朝前，面部有表情也不受影响。
之后一线厂商又解决了化妆、脸部受伤、佩戴眼镜饰品、局部遮挡等问题，再往后随机性的面部倾斜、旋转问题也可得到较好的解决。
这里面需要强调一点，大家不太关注的手机适配也非常重要。
市面上至少有数千种手机，在实验室大家只针对几台计算机或几台手机进行终端适配，当它进行产业化落地后，最起码要解决主流几十种或者上百种手机的适配，还有各个操作系统适配，尤其像安卓的碎片化非常严重，如果不去适配，不去解决手机端问题，产品技术规格做得再好也没用。
在用户体验和操作适应性层面，有些用户面对摄像头时头部习惯性斜45度，有些喜欢平视，而部分用户可能喜欢低头。其次。用户在操作时的习惯也不一样，刷脸时系统提醒用户做一个动作获取验证，比如“向左转头”这一动作，有人可以在半秒之内转好几次，有人两秒钟才转一次。
系统让用户在一秒钟内完成转头，用户就会百分之百完全配合到位吗？当达不到这么高配合度时，需要改进的只有提高技术本身。
同时人脸识别还要解决监管控制和法律要求等问题，只有当监管机构认可你的技术，认为所做的事情满足法律要求，厂商才可以做。再往后，还需解决活体欺诈、持续高额研发投入等事项。
解决了上面这些细节问题后，我们才见到了今天的刷脸支付。
刷脸支付的落地（二）
招行ukey多少钱（网络配图 侵删）
我们再来看2017年整个这个市场的发展状况。
从金融角度来看，现在监管机构比过往更加鼓励和支持技术创新。
刷脸支付过去存在不少负面声音，大众觉得会泄露隐私。但从今年开始，这类声音逐渐减少，原因很简单，一方面大家愈加认可技术的成熟度，另一方面，人脸信息从某种程度上讲，隐私性并不强。
今年3·15晚会对攻防一事，促进了整个行业的技术水平和安全防范的意识。
市场竞争加剧后，导致很多新技术落地的难度进一步加大。为什么？因为门槛比以往更高了。
虽然技术和算法已达到不错的水平，但整个上下游设备制造商还有技术供应商，仍旧保持观望态度，只有少数厂商在快速跟进。
总体来说，我们还有很长的路要走。
刷脸取款的研究与产业落地
招行ukey多少钱（网络配图 侵删）
再看看最近比较热的ATM刷脸取款。
2015年底，我们就想做刷脸取款，当时人脸识别准确率达到了99%，千分之一的误识率。理论上来说，那时做刷脸取款基本可行，风险也不是特别大。
整个行业研究发现，红外双目活体检测技术经过研究初步验证，可以用于活体检测。当时招商银行走得较快，2015年底在几台ATM终端试点刷脸取款。
因为当时存在各种不确定性，银行也希望刷脸取款技术在应用体验、产品稳定性各个方面，得到快速改进。
2016年5月，云从也研发出红外双目红体检测技术，用在购物机和广东建行。随后整个技术随着应用推广逐渐变得成熟。
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
发表评论