细心的 Uber 乘客会发现，最近司机的来电全部变成了一个区号开头的座机号码，同样，司机也不能直接获取乘客的电话号码了，这种「双向匿名电话」正是 Uber 提升用户体验的动作之一。在补贴大战渐渐平息的背景下，Uber 希望通过用技术手段提升安全体系来赢得用户。

下个月，Uber 即将成为出行行业中第一个让司机「刷脸上岗」的公司。

「人脸识别」如何帮 Uber 提升安全体验

在过去，你可能会遇到一些司机和注册头像不一致的情况，这会让乘客会感觉很不安全。人脸识别功能上线后，每个 Uber 司机在使用司机端 App 上线接单前，都会用接受人脸识别捕捉头像，并与车主上传的身份证数据信息进行比对，非本人将无法上线接单，司机们再也不能偷偷和朋友轮流共享同一个账号了。

Uber 采用了旷视科技 Face++ 的人脸识别技术，后者是十分成熟的商用 SDK，所以从测试到全国推行，Uber 只用了不到两个月的时间。目前 Uber 正在部分城市开始测试第二代活体比对版本，司机必须通过点头、摇头、张嘴、眨眼等简单动作，证实真实本人，而不能拿着朋友照片蒙混过关。预计第二代版本将会在 5 月中旬在全国测试完成，正式上线。

人脸识别也将应用到 Uber 司机的注册流程中，确保车主提交的信息的真实性。过去由于没有加入人脸识别 SDK，司机上传的头像可能存在很多问题，比如角度奇怪，光线昏暗，妨碍乘客识别。「当有了这个 SKD，会在验证过程中，确保在光线适宜的地方，自动捕捉到质量非常高的照片，基本能够保证这张照片在小的头像里是能够被识别的。」在一次小型交流会上，中国优步产品安全方面负责人杨毓杰（Jack）告诉记者。

此外，Uber 会根据刷脸成功率，客户投诉等数据，给每个司机得出一个「风险指数」。如果发现某人的风险指数开始升高，或者大于某个值的话，Uber 就会增强对司机评测的频率。这种评测由乘客来完成，在行车过程中，乘客可能会在手机上收到 Uber 的推送，询问车辆是否为显示的车，司机有没有使用手机支架等问题。

未来，Uber 会从更多维度评定风险指数，比如酒驾问题，虽然目前的人脸识别技术还无法识别出酒驾，但未来 Uber 可以通过其他方式来甄别司机是否危险驾驶。Jack 告诉极客公园记者：「Uber 内部有『创客马拉松』，有人通过手机内的一些感应元件，就可以判断司机驾驶过程当中有哪些非正常的加速度、晃动、震动、停车过猛等。虽然不能知道司机是否真正喝酒了，但是可以得知他的驾驶安全性比较低。」

人脸识别只是一个开始，未来 Uber 中国用户可能还会不断体验到其他的最新功能。Jack 介绍，Uber 内部有一个口号：「中国首发」，即 Uber 所有有趣的产品，最新鲜的东西，都将先在中国尝试，解决中国的问题，之后再向其他地区分享。

无处不在的「刷脸」

大多数人接触人脸识别，是从各种有趣的应用开始的，比如前几年火爆一时的百度魔图「PK 大咖」，可以告诉你和哪位明星撞脸。美图公司与 Face++合作开发的「美妆相机」，可以贴合人脸立体上妆，效果非常不错。

在这些小游戏风靡的同时，一些创新的企业也在致力于把人脸识别技术应用到安全和金融领域中。2013 年，芬兰公司 Uniqul 就推出了史上第一款基于脸部识别系统的支付平台。几乎同一时间，支付巨头 PayPal 在英国开始了人脸识别支付系统的试运行。在国内，汉王的「人脸通」开创了人脸识别门禁和考勤市场，并在 2011 年推出了首款嵌入式智能锁，科大讯飞的「人脸+声纹」统一生物认证，构建了业界首个统一生物认证系统。

人脸识别应用在金融领域开始大施拳脚，是从去年开始的。去年支付宝与 Face++ Financial 合作，陆续上线了刷脸修改支付密码、刷脸登陆等功能，替代了过去上传身份证照片修改密码的繁琐体验，让很多人第一次真正感到「刷脸」的快捷方便。

然而，生活信息化程度越高，人们就对隐私就更加关切，尤其是涉及「钱」的领域，人脸识别对很多用户来说是一项极大的心理挑战。这一点在去年借贷宝的地推反应中尤为激烈，很多用户担心刷脸后，会被申请贷款，或被他人取走银行卡里的钱。其实这种担忧是不必要的，借贷宝与 LinkFace 合作的人脸活体检测，正是为了防止账号被他人假冒注册。

在「刷脸」大潮下，银行也在进行自我突破，去年招商银行悄然推出了手机端的「刷脸转账」、「刷脸取现」功能，不过，出于监管要求，刷脸转账仍需要远程坐席的协助。

Uber 为出行行业使用人脸识别技术开了个头，可以预见的是，今年会有越来越多的不同领域的公司加入人脸识别的行列中来。

深度学习助力人脸识别

很多人脸识别技术都会宣称自己在 LWF 公开测试中的准确率，2014 年，Facebook 研发的 DeepFace 识别率达 97.25%，接近人眼识别率（97.53%），达到非深度学习方法的最佳性能。而在同一年，采用了大数据深度学习的旷世科技 Face++在 LFW 中的准确率达到了 97.25%，击败了 DeepFace。

其实，LWF 的数据库中只有 5758 个人，约 13,000 张图片，真实场景中的应用则要考虑到年龄跨度、胖瘦、妆容、发型等变化，这些因素夹杂在一起，会让人脸识别难度增加，所以，人脸识别必须和深度学习关联起来，才能达到满意的效果。

Jack 对 Face++和 Uber 合作的人脸识别准确率感到很满意。「已经非常惊人了」，他解释：「因为 Face++这套算法跟它的 SDK 在不断进入商用，每次商用获得的反馈都是改进它现有算法的信号。所以它的算法会随着越来越多的人用，不断变得更好。」