人脸识别在共享汽车上，主要应用在哪些方面呢？人脸识别技术在共享汽车领域的应用主要防止借用、盗用他人信息用车，防范无证驾驶以及利用共享车辆进行其他有预谋的犯罪等隐患。
近日滴滴杀人案与滴滴空姐事件让滴滴暴雷，滴滴被多方讨伐，同样在共享汽车领域也存在诸多雷区，上海率先在2017年6月出台《上海市小微型客车分时租赁管理实施细则》改善现有共享汽车运营环境。
《上海市小微型客车分时租赁管理实施细则》要求，在上海从事分时租赁经营活动的车辆应当符合下列条件：
9座及以下小微型纯电动载客汽车；
安装人脸识别装置；
安装符合规定标准的车载卫星定位和应急报警装置；
符合客运服务规范对车辆的其他要求。
其中人脸识别技术在共享汽车领域的应用主要防止借用、盗用他人信息用车，防范无证驾驶以及利用共享车辆进行其他有预谋的犯罪等隐患。
一、人脸识别简介
人脸识别（Human Face Recognition），通常也叫做人像识别、面部识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行识别的一系列相关技术。
衡量人脸识别的算法能力的指标：拒识率、误识率、通过率、准确率。
二、人脸识别分类
1. 人脸验证
人脸验证的图像比对级的1:1，通过提取两张人脸的特征进行相似度对比，最终返回相应的置信度得分，系统根据特征匹配程度判断两个输入人脸是否属于同一人。
利用图像处理技术从图像中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，即人脸特征点模型；再从人脸特征点模型与被测者的人的面像进行特征分析（可以假定为无数的几何特征点求解），根据分析的结果来给出一个相似值，通过相似值与预先设定的阈值比较，即可确定是否为同一人。
阈值范围：1……100；
阈值调<5，几乎大部分人都可以是相似的；
阈值>95, 同一个人在不同的背景环境拍出的照片都无法匹配。
能够在阈值大于95的基础上比较精确的识别，说明识别算法良好。
人脸验证适用于身份识别及相似脸查询等应用查询，比如：通过自拍照与身份证照或公安系统照片之间的人脸对比，核实用户身份是否属实，优化金融等高风险行业复杂的身份验证流程。
2. 人脸检索
人脸验证的图像比对级的1:1，在大规模人脸数据库中找出与待检索人脸相似度最高的一个或多个人脸。人脸检索是通过在大规模人脸数据库中多次执行人脸验证算法，匹配出相似度最高的人脸。当数据库人脸规模超过20万（20万人中会有不少人长相相似）），就会出现多个相似结果，需要人工辅助定位。
人脸检索部署条件：
样本非常多的人脸数据库；
强大的算法硬件。
人脸检索适用于大范围的人口排查等应用查询，比如：排查犯罪嫌疑人、失踪人口的全库搜寻、一人多证的重复排查，以此相似度列出相应的结果，可以大大提高排查效率。
3. N:N人脸识别
N:N人脸识别算法主要用于实时多1：N检索计算， 基于1：N的算法，输入多个求解结果。比如视频流的帧处理所用，对服务器的计算环境要求严苛，目前的算法系统所支撑的输出率非常有限。
N：N人脸识别主要的限制如下：
海量的人脸照片解析需要大量运算（目前很少看到在采集端直接解析的，都是照片剪裁）；
海量的人脸照片传输需要大量的带宽（常见的720布控摄像头抓取最小的人脸照片为20K）；
海量的人脸照片在后台检索需要耗费大量的运算（国内主流主机为例，最多到24路摄像头）。
人脸技术在共享汽车的应用是第一类人脸验证，在注册认证时通过与公安系统连接认证身份信息，在使用车辆时认证用户信息。
三、人脸识别应用
人脸识别流程主要包括图像采集、人脸预处理、特征提取、人脸匹配与识别，最终输出人脸识别结果。
其中图像采集分为以下几个步骤：
图像采集开始，打开摄像头；
进行人脸检测和图像质量分析，确定当前的图像采集区域是否符合活体检测的环境要求；
开始活体检测，活体检测软件随机产生一种指令序列进行活体检测
用户三种指令均检测通过则活体检测通过；
一种指令检测错误，则系统会再次随机产生一种新的指令序列再次检测通过活体检测才通过；
当第三次指令序列均未通过时，活体检测失败；
在上述过程中，系统会随机保存图像，当活体检测通过后，随机保存的图像继续用于人脸识别。
1. 共享汽车用车资质认证
共享汽车用车前必须通过用户用车资质认证，包括上传用户身份证、驾驶证以及手持驾照等信息，引入人脸识别技术后，调用人脸识别接口时可使用公安部旗下NCIIC的人脸比对接口，可直接完成人脸识别以及用户信息验证。资质认证时采集的用户人脸照片，为后续用车流程中使用人脸认证提供原始照片。
开始认证，通过OCR技术分别扫描身份证、驾驶证信息，然后由用户校准信息；
APP打开手机摄像头，手机像头完成图片采集，上传至后台；
后台调用人脸识别接口，利用手机上传的图片与当前用户注册时采集的人脸图片提供给专业人脸识别算法平台进行处理，输出比对结果；
后台下发人脸识别结果，若比对成功完成认证，若人脸识别失败认证失败。
2. 共享汽车用户APP中提车
共享汽车用户在用车APP中发起提车申请时自动触发在手机上的人脸识别功能，主要步骤如下：
点击提车触发人脸识别流程，APP打开手机摄像头；
手机像头完成图片采集，上传至后台；
后台调用人脸识别接口，利用手机上传的图片与当前用户注册时，采集的人脸图片提供给专业人脸识别算法平台进行处理，输出比对结果；
后台下发人脸识别结果，若比对成功允许提车，若人脸识别失败提车请求失败。
3. 共享汽车用户取车
目前用户取车流程中进行人脸识别主要分为两种方案，一种由车载T-Box上传实时采集的用户图像至后台，在后台运行人脸识别算法；另外一种在车上装上人脸识别硬件，在车上完成人脸识别。
方案一：由车载T-Box上传实时采集的用户图像至后台，在后台运行人脸识别算法，此种方案对于后装车辆而言只需要安装摄像头即可完成，比较实用，具体步骤如下：
打开车门自动触发人脸识别流程，车载摄像头开始供电；
车载摄像头完成图片采集，通过T-Box上传照片至后台；
后台调用人脸识别接口，利用T-Box上传的图片与当前用户注册时采集的人脸图片提供给专业人脸识别算法平台进行处理，输出比对结果；
后台下发人脸识别结果，若比对成功允许取车，若人脸识别失败禁止取车。
方案二：在车上装上人脸识别硬件，后台下方用户原始人脸图像，在人脸识别硬件中完成人脸识别，此种方案花费较大，目前识别上人脸识别硬件较贵，具体步骤如下：
在APP中提车申请通过之后，后台台下发用户注册时采集的人脸图片至T-Box；
打开车门自动触发人脸识别流程，车载摄像头开始供电；
车载摄像头完成图片采集，调用人脸识别硬件接口，通过人脸识别硬件处理后台下发的图片与车载摄像头采集的图片，输出人脸识别结果；
根据人脸识别硬件输出的人脸识别结果，若比对成功允许取车，若人脸识别失败禁止取车。
当检测到车载SIM卡为无网状态下，取车人脸识别流程暂不进行，当车辆开到空旷区域车辆有网时，系统再自动进行人脸识别流程，若检测不通过，当车辆减速或者停车以后不允许车辆再次开动。
四、人脸识别漏洞
目前，伪造人脸图像攻击此系统的手段有多种，随着人脸识别技术在身份认证邻域的逐步应用，假冒攻击（或复制攻击）对相关的人脸认证系统构成了极大的威胁，对于人脸实名认证系统的应用也带来了不利的影响。
目前人脸识别攻击手段主要有以下几种：
1. 以偷拍照片假冒真实人像
2. 在公开场合收录的视频或网上公开的视频片段
根据活体检测步骤，裁剪好视频中的点头、摇头、眨眼等动作，当需要活体检测时，直接播放视频。
3. 用蜡或塑料凳材质构造的三维雕像欺骗
购买蜡或塑料等材质构造的三维雕像，将正面照片粘贴在模型正面，侧面照片粘贴在模型侧面，在活体检测提示摇头时转动模型。
4. 用计算机辅助软件设计的三维模型欺骗
采集不同角度的人脸照片，利用3D建模技术，控制模型做出活体检测要求的动作。
5. PS+CrazyTalk 动态图片制作
在人脸活体采集阶段，首先利用PC端的PS工具处理好一张带背景的人脸图，再利用CrazyTalk这一款生成动态视频的软件对图片进行训练，如：“眨眼”、“摇头”等动作，训练完成之后，打开App的认证功能，将摄像头对准经过处理的动态图片，即可完成人脸认证。
五、人脸识别改进方案
1. 基于视频或多帧图像的活体检测方法
首先人脸识别技术可以采取种种措施来提高自身的准确率，比如：通过要求目标对象眨眼、张嘴、闭嘴、左右摇头、上下摇头等等，判断对象是否在利用面具、照片等手段欺骗系统。
2. 借助辅助拍摄设备的活体检测技术
利用人体会发出红外线原理，可用包括热成像摄像头、近红外摄像头和双摄像头的辅助拍摄设备进行进一步检测。通过有颜色的图片来显示被测量物表面的温度分布，防止面具作弊及显示屏播放视频作弊。
3. 基于单幅图像的活体检测技术
翻拍、PS留下的蛛丝马迹痕迹，都可被系统识别。由于真人视频或者合成的视频，必然需要通过屏幕进行显示，然后使用采集端进行翻拍。
虽然视频本身可能做到看起来非常真实，但是翻拍的过程中，必然会暴露出其“犯罪”线索，例如：显示器边缘，屏幕反光，像素点纹理等，都会被基于大数据训练的深度学习模型敏感地捕捉到。
4. 基于图像检测、活体检测和语音识别的多重检验技术
为了防止伪装攻击，活体检测在动作识别外，还可以增加语音识别，通过人脸+动作+语音三重识别，可以提高活体检测的准确度。
除了活体检测方法，提高人脸识别算法的准确度才是人脸识别系统安全性得到保证的关键。
随着人脸模型的精准建立、活体检测算法准确度的提升和活体检测手段的丰富完善，共享汽车可以借助于这些黑科技来实现人类出行智能化的梦想，相信不远的未来，人脸识别技术将会得到更多的认可，并逐步扩展应用于更多的领域。
