学号:17011223216 姓名:宋艳玲
【嵌牛导读】：近日，人民日报报道农行“刷脸”ATM机在济南试运营，用户扫描脸部即可操作存取款业务，每日取款累计不能超过3000元。不需要银行卡，不需要手机，再也不用面对吞卡的尴尬，一个全面刷脸时代到来了。
【嵌牛鼻子】：“刷脸”ATM，脸部识别，人工智能
【嵌牛提问】：“刷脸”ATM都可以完成那些业务？是怎么完成的？应用了什么原理？可靠吗？
【嵌牛正文】： 9月15日，中国农业银行推出的“刷脸”ATM机在济南试运营，用户扫描脸部即可操作存，取款业务，每日取款累计不能超过3000元。具体的操作流程是站在ATM机前看一眼摄像头，再输入手机号，取款金额，密码，自动吐钞，拿走现金。整个过程不要银行卡，不要手机扫描，20秒之内完成现金取款。“刷脸”这个词其实我们并不陌生，2013年，支付宝公司官方微博发布了一段1分54秒的视频——一个空付时代就要到来了。短短几年时间，曽经科幻片里的情节现在已随处可见，农行刷脸ATM机的运行不是一个开始，而是标志着全面刷脸时代的到来，农行总行已经下发通知，要求全国推广刷脸取款！ 但是，刷一下脸真的能做到安全交易吗？ 首先我们简单了解一下刷脸的核心技术——人脸识别技术，作为人工智能领域的一个重要分支，一直吸引着科学家和技术工作者不断探索。人脸识别基于的理论基础划分为：基于知识和基于统计；从具体实现方法的角度分为：基于几何特征的方法；基于神经网络的方法和基于深度学习的方法等，这里我们只对应用较为广泛的深度学习的方法做简要介绍。深度学习实际上是一种复杂的神经网络学习。深度学习通过组合低层特征 （边缘、灰度值等）形成更加抽象的高层表示属性类别 （性别、年龄）或特征 （眼睛、耳朵等），以发现数据的分布特征表示。由于隐层多，层内神经元众多，对计算性能有很高的要求，算法对向量降维的要求也是机器学习领域的重要课题。卷积神经网络是一个真正意义上的多层结构学习算法，它利用空间相对关系减少参数数目 （降维）来提高训练性能。当然，单一地使用深度学习进行人脸识别，效果是有限的，在现主流的基于CAFFE模型的深度学习中，还加入了人脸器官分布的一些特征约束，使学习发现的分布特征具有一定的针对性，使识别效果更好。随着计算力处理能力的发展，尤其是CPU硬件技术的飞速发展，深度学习在特征广度和训练深度上不断加大计算，对人脸识别的准确率有很大的提升，也成为现在最主流的人脸识别的方法。该方法的鲁棒性和扩展性都非常好，对于动态采集的各个角度和不同的人种的人脸，只要在训练集中有足够多的样本，就能被模型学习到这种特征并很好地识别。人脸识别技术的发展是各种数学统计、生物技术等多学科技术不断融合的一个过程，从开始单纯的数学统计和模型处理，到后面基于机器学习的神经网络，再到万能的深度学习，人脸识别技术的每一次进步都有鲜明的阶段性特点。虽然人脸识别的准确性在不断提高，但即便是现阶段最流行的深度学习技术，也不是一种完美的解决方法。现在人脸识别已经深入生活，能帮助我们解决很多的现实问题，但是单纯应用人脸识别在ATM机取款还存在着一血局限，所以要辅助密码输入等操作。
笔者认为科学发展就像在盖一座摩天大厦，每一点进步都是建筑的材料，材料需要一点点的积累，我们已经看到科学家和技术工人的成果正一点点的改变着我们的生活，不断地让我们身体的各个部位从繁琐的工作中解脱出来，刷脸ATM也不过是科技发展的一个阶段，最终它将以何种形式呈现在我们面前，怎样来便利我们的生活是未知的，也许它就取决于我们现在的行动。
