基于深度学习的三维实时人脸识别技术研究

目前,虽然深度学习算法通过二维卷积能够获得二维图像,并且形成的二维图像可为人脸识别提供支持,但在实际场景之中,在人脸表情、姿态等方面的识别比较困难,而三维实时人脸识别技术则能够弥补这一缺陷。但由于人脸的姿态和表情随时可能出现变化,会导致三维人脸信息缺乏完整度,同时也会造成人脸区域发生变形等问题,因此,本文基于深度学习,对三维实时人脸识别技术进行研究,以持续解决当前人脸识别方面存在的问题。

人脸识别治理的进路完善:从个人信息到社会公正

人脸的自主控制是私人参与公共生活的前提,但人脸识别技术的无序扩张正对其有序利用构成空前挑战。人脸识别的危害不仅限于信息滥用,还可能带来情境坍塌和系统性歧视等社会性变革。诚然,《个人信息保护法》第26条中的公共安全目的限定和单独同意规定强化了人脸信息的源头管控。然而,单一的信息治理并不足以预防科技风险的所有面向。在个人信息权益侵害之外,人脸识别系统和算法应用中的功能蠕变和算法失准还可能导致对反歧视法益和程序正义的大规模损害。对此,应当构建个体权益保障与行政监管并举的双层治理框架。在私人自治层面,应当提供退出或者不参与的可能性,并强化对于参与者人脸信息自主控制的支持机制;在行政监管层面,应当建立个人信息处理规制之外的限制条件、对具备现实危险的特定技术应用设定禁区,并在事后对已投入市场的人脸识别应用系统进行跟踪评估。