您现在的位置： >
图片搜索、移动支付、智能安防 人脸识别技术早就玩出花儿了
来源：互联网 编辑：智能小宝 发表时间: 09:42　点击:loading次
前两天&外星人&马云在CeBIT（德国汉诺威消费电子、信息及通信博览会）上演示了&刷脸&支付技术，成为开幕式一大亮点，也引起了国内外诸多媒体对人脸识别技术的讨论。其实，人脸识别技术的应用早已不新鲜，国内外的很多公司都在从事人脸识别技术的研发工作，而这项技术也早就在很多产品和应用里玩出过很多花样了。下面就请大家跟小编一起，看看目前市面上都有哪些&人脸识别&技术应用。Google&寻找我的脸& (Find My Face)先来说说国外的，Google曾推出人脸识别科技技术&&&寻找我的脸&(Find My Face)，将相片标签功能加入Google+社交网站。&寻找我的脸&会扫瞄用户上传相片中人物，再从Google+用户及其朋友的个人档案相片或经手动标示过的历史相册中，搜索配对照片中人物应是何人，并列出建议标示的朋友名称。苹果iPhoto中的人脸识别应用在苹果的iPhoto中，同样提供了人脸识别功能，用户可以将图片中的人脸和人名相匹配，该功能通过脸部检测辨别照片中的人物，再通过脸部识别找到与之特征相符的拍摄对象，帮你找到想找的人，甚至是海量的照片库也不费吹灰之力。百度从PC到移动端的人脸识别应用&们&国内人脸识别技术应用较广泛的可能就是百度了，从PC端到移动端，到处都能见到百度人脸识别技术的落地。除了在去年4月百度钱包发布时提出&刷脸付&功能之外，百度还把人脸识别技术运用到了更多的产品领域。早在2012年12月，百度图片搜索()进行改版和功能升级时，就在识图搜索()加入了人脸识别功能，若使用人脸图片搜索可找到类似的人脸图片。而在2013年，百度魔图APP推出了&PK大咖&功能，用户只需要选取一张自己的大头照，就可以通过人脸识别技术跟明星进行PK，找到与你面部形象最为相似的明星大咖，当时百度魔图&PK大咖&还掀起了一波分享热。阿里巴巴蚂蚁金服Smile to Pay而除百度之外，阿里和腾讯在人脸识别技术上的应用也在加快步伐。比如马云昨天在CeBIT上演示的蚂蚁金服的Smile to Pay扫脸技术。该项支付认证技术由蚂蚁金服与Face++ Financial合作研发，在购物后的支付认证阶段通过扫脸取代传统密码，这项技术目前还在内测阶段没有投入正式运用。腾讯与微众银行合作人脸识别技术应用腾讯在人脸识别技术上的动作，则能从今年刚刚试营业的微众银行&人脸识别&应用上看出一二。据微众银行有关人士介绍说，微众银行已与腾讯达成合作，其所采取的人脸识别技术，由腾讯自身技术团队所开发，通过生物技术来开立账户及保证实名制。该技术可以软件形式装在任意终端上。这么看，&人脸识别&技术是不是一点也不新鲜了？无论是吃饭、交友，还是娱乐休闲，都能&刷脸&。这个看&颜&的世界，将会在这些互联网公司的带动下，在&以貌取人&的路上渐行渐远了。
相关新闻>>
关注官方微博
注：今天HTML5小组沙龙《论道HTML5》分享时有朋友问到一个问题，getUserMedia是否会支
您可能感兴趣的文章
新闻关注排行榜
注：今天HTML5小组沙龙《论道HTML5》分享时有朋友问到一个问题，getUserMedia是否会支
前两天外星人马云在CeBIT（德国汉诺威消费电子、信息及通信博览会）上演示了刷脸支付　　12月13日，本周早些时候，社交网络巨头Facebook宣布聘请纽约大学教授扬&乐康（Yann LeCun）掌管其新建的人工智能实验室，他将利用自己擅长的“深度学习”技术帮助Facebook更好地“读懂”用户行为。这位法国裔科学家日前接受了《连线》（Wired）杂志的独家专访，畅谈了深度学习技术和人工智能的未来发展。
　　扬&乐康教授已经在人工智能领域探索了30年，他设计的“深度学习”（Deep Learning）运算系统能以类似人类大脑的方式处理信息。而如今，这一技术将要进入Facebook的人工智能实验室――乐康将在Facebook位于纽约曼哈顿的新办公室工作，负责开发能帮助Facebook分析数据和行为、最终改变社交网络运作方式的深度学习工具。
　　借助深度学习技术，Facebook可以自动识别用户上传的照片中人物的身份、自动添加相应的人名标签，以及让用户快速与亲朋好友分享照片。此类技术还能分析用户在Facebook上的一举一动，从而自动为用户显示他们想要看到的内容。
　　某种程度上讲，Facebook与人工智能技术的结合是件挺“恐怖”的事情。在加拿大多伦多大学研究人工智能的科学家阿卜杜勒&拉赫曼&穆罕默德（Abdel-Rahman Mohamed）指出：Facebook可以利用深度学习实现“无穷无尽”的可能性――“它每天都能搜集到人与人之间的关系、搜集到用户在一天里的所作所为，它知道你支持什么党派、买了什么产品。”
　　在用户对隐私的需求与人工智能技术带来的强大功能之间，社交网络需要小心平衡。而除了Facebook之外，Google、微软、百度等互联网巨头也纷纷在人工智能领域发力。“这样一方面挺吓人，”穆罕默德说道，“但另一方面也能让我们的生活变得更美好。”
　　乐康本周出席了在塔霍湖（Lake Tahoe）举行的神经科学处理系统大会，这是人工智能领域一年一度的盛会，Facebook CEO马克&扎克伯格（Mark Zuckerberg）也正是在此次会议上宣布了聘请他的消息。在大会日程间隙，他接受了《连线》的采访。以下为访谈内容摘要：
　　1. 《连线》：我们知道你将会加入Facebook新建的人工智能实验室，但是你和你的人工智能团队具体将会研究什么呢？
　　乐康：我可以告诉你这个新组织的目的和目标，那就是在人工智能领域取得重大进展。我们想做两件事情――其一，是真正从科学角度和技术层面取得进展，这将包括参与学术界活动和发表论文；其二，从根本上讲，是把一些技术变成能应用到Facebook中的东西。
　　但是我们目标是相当长远的，比Facebook现有的工作更加长远，在某种程度上脱离了日常生产活动，这样人们就有思考未来的余地。当你解决这样的重大问题时，技术总会自然而然地随之问世，这样的方式非常有用。
　　2. 《连线》：那种技术会是什么样子？它能做些什么呢？
　　乐康：我们将要研究的技术，其实就是一切能让机器更加智能化的东西。说得更具体一些，就是基于机器学习的那些东西。如今，打造智能化机器的唯一途径，就是让它们消化大量数据并建立数据模型。
　　近年来兴起了一种叫做“深度学习”的方法。它在图像识别、语音识别等领域得到了极其成功的应用，在自然语言处理领域也小有成就。哪怕我们只研究这些东西，也能对Facebook产生巨大影响――Facebook的用户每天都会上传数以亿计的图片和短视频，而聊天与消息中也蕴藏着海量信号。
　　但是我们的使命不会拘泥于此。例如，我们究竟是如何理解自然语言的？我们如何建立模型，才能为用户显示可能让他们感兴趣的、可能有助于他们实现目标的、可能帮他们节省时间的或是可能激起他们好奇心的内容？这才是Facebook的核心使命，而Facebook目前已经在网站上应用了大量机器学习技术，达到了能向用户显示相关新闻和相关广告的水平。
　　马克&扎克伯格把它叫做“心智理论”。这一理念在人工智能和认知科学领域流行已久，指的是我们如何用机器为人类用户感兴趣的事物和将要做的事情建模。
　　3. 《连线》：这种技术的核心科学其实已经颇有年头了，不是吗？早在20世纪80年代中叶，你和如今在Google工作的杰夫&辛顿（Geoff Hinton）等人就率先开发了这些被称为“反向传播”（Back-Propogation）算法的深度学习方法。
　　乐康：这的确是技术根源，但是我们已经有了更大进展。反向传播能让我们进行“监督运行”――比如，你手头有一组配有标签的照片，你就可以训练系统比对新的照片和标签。Google和百度目前就是用这样的方法给照片加标签的。
　　我们都知道上述技术很有效，但是如果你手头的东西是视频或自然语言――它们的标签数据非常少，我们不能只是放一段视频然后让机器告诉我们视频里的内容是什么。我们没有足够的标签数据，而且即便花费大量时间让用户提供标签，能否达到图片标签那样的效果也是个未知数。
　　所以，我们利用视频的结构帮助系统建立一个模型――例如，某些物体的前后位置关系。当移动时，在前方的物体和在后方的物体移动方式有所不同，这样就出现了一种物体的模型。但是这也要求我们发明新的算法――新的“无监管”学习算法。
　　这在深度学习领域是一个非常热门的研究方向。我们当中没人自以为拥有“灵丹妙药”，但是我们已经取得了一定成果，并且在某些时候可以大大改进纯“监督运行”系统的性能。
　　4. 《连线》：你提到了Google、百度、微软和IBM等互联网公司也在研究深度学习。在外行看来，似乎这一领域的所有工作都兴起于一个相对很小的深度学习学术圈，包括你和Google的杰夫&辛顿等人。
　　乐康：你说得一点儿也没错――虽然深度学习发展得很快，但是你得知道这项技术其实可以说是我、杰夫&辛顿以及蒙特利尔大学的约书亚&本吉奥（Yoshua Bengio）三个人的“密谋”――希望你能原谅我这么说。10年前，我们聚在一起，觉得我们应该着手解决视觉和语音方面的机器学习问题。
　　一开始，这项技术是为了机器人控制等目的而开发的，但是我们后来得到了加拿大高级研究所（CIFAR）的资助。杰夫是主管，我是顾问委员会主席，我们每年碰头两次讨论一下进展。
　　当时机器学习和计算机学术圈的大多数人都对这个“密谋”不怎么感兴趣。所以，在很多年里，这项技术一直局限在我们的那些讨论会中。但是，我们开始发表论文之后，越来越多的人开始对我们的研究感兴趣。然后人们开始看到切实的成效，于是产业界开始对此产生浓厚的兴趣。
　　令人大为惊讶的是，产业界的兴趣远比学术界来得更强、更快。
　　5. 《连线》：在你看来，深度学习与普通的机器学习有何不同？很多人都对Google使用了十几年的那种机器学习算法耳熟能详――那种算法能分析海量数据，从而实现自动识别网络垃圾信息等功能。
　　乐康：那是一种相对简单的机器学习。创造这种机器学习系统需要付出巨大的努力，因为这种系统其实无法处理原始数据。所以，数据必须被转化为系统能够“消化”的形式。这个过程被叫做“特征抽象”。
　　以图片为例，你不能把原始像素数据扔给那种传统的机器学习系统，而是必须把数据转化为一种能被分类器消化的形式――以恰当的方式表述图片，正是很多计算机视觉学者在过去二三十年里努力做的事情。
　　相比之下，深度学习能让机器学习这一表述过程，从而不必由人工解决系统遇到的每一个新问题。如果我们拥有海量数据和强大的计算机，我们就可以建立能学会如何恰当表述数据的系统。
　　当今的人工智能技术存在的很多局限性，都是因为缺乏好的信号表述方式，或是因为我们现有的表述方式需要付出巨大努力去构建而造成的。深度学习能让我们把这一过程变得更加自动化，也能收到更好的效果。（悠拉）
(责任编辑：罗园)
主演：黄晓明/陈乔恩/乔任梁/谢君豪/吕佳容/戚迹
主演：陈晓/陈妍希/张馨予/杨明娜/毛晓彤/孙耀琦
主演：陈键锋/李依晓/张迪/郑亦桐/张明明/何彦霓
主演：尚格?云顿/乔?弗拉尼甘/Bianca Bree
主演：艾斯?库珀/ 查宁?塔图姆/ 乔纳?希尔
baby14岁写真曝光
李冰冰向成龙撒娇争宠
李湘遭闺蜜曝光旧爱
雷恩斯遭粉丝揩油袭臀
痴心女遭异地男友劈腿
柳岩被迫成赚钱工具
大屁小P虐心恋
匆匆那年大结局
乔杉遭粉丝骚扰
男闺蜜的尴尬初夜
社区热帖推荐
让人看了羞涩……[]
客服热线：86-10-
客服邮箱：自动识别技术_百度百科
关闭特色百科用户权威合作手机百科
收藏 查看&自动识别技术
本词条由 提供专业内容并参与编辑
自动识别技术就是应用一定的识别装置，通过被识别物品和识别装置之间的接近活动，自动地获取被识别物品的相关信息，并提供给后台的计算机处理系统来完成相关后续处理的一种技术。自动识别技术将计算机、光、电、通信和网络技术融为一体，与互联网、移动通信等技术相结合，实现了全球范围内物品的跟踪与信息的共享，从而给物体赋予智能，实现人与物体以及物体与物体之间的沟通和对话。举例说明。商场的条形码扫描系统就是一种典型的自动识别技术。售货员通过扫描仪扫描商品的条码，获取商品的名称、价格，输入数量，后台POS系统即可计算出该批商品的价格，从而完成顾客的结算。当然，顾客也可以采用银行卡支付的形式进行支付，银行卡支付过程本身也是自动识别技术的一种应用形式。
物联网中非常重要的技术就是自动识别技术，自动识别技术融合了物理世界和信息世界，是物联网区别于其他网络（如：电信网，互联网）最独特的部分。自动识别技术可以对每个物品进行标识和识别，并可以将数据实时更新，是构造全球物品信息实时共享的重要组成部分，是物联网的基石。通俗讲，自动识别技术就是能够让物品“开口说话”的一种技术。
随着人类社会步入信息时代，人们所获取和处理的信息量不断加大。传统的信息采集输入是通过人工手段录入的，不仅劳动强度大，而且数据误码率高。那么怎么解决这一问题呢？答案是以计算机和通信技术为基础的自动识别技术。
自动识别技术将数据自动采集，对信息自动识别，并自动输入计算机，使得人类得以对大量数据信息进行及时、准确的处理。
在现实生活中，各种各样的活动或者事件都会产生这样或者那样的数据，这些数据包括人的、物质的、财务的，也包括采购的、生产的和销售的，这些数据的采集与分析对于我们的生产或者生活决策来讲是十分重要的。如果没有这些实际工况的数据支援，生产和决策就将成为一句空话，将缺乏现实基础。
在计算机中，数据的采集是信息系统的基础，这些数据通过数据系统的分析和过滤，最终成为影响我们决策的信息。
在信息系统早期，相当部分数据的处理都是通过人工手工录入，这样，不仅数据量十分庞大，劳动强度大，而且数据较高，也失去了实时的意义。为了解决这些问题，人们就研究和发展了各种各样的自动识别技术，将人们从繁沉的重复的但又十分不精确的手工劳动中解放出来，提高了的实时性和准确性，从而为生产的实时调整，财务的及时总结以及决策的正确制定提供正确的参考依据。
在当前比较流行的物流研究中，基础数据的自动识别与实时采集更是系统（LMIS，Logistics Management Information System）的存在基础，因为，物流过程比其他任何环节更接近于现实的&物&，物流产生的实时数据比其他任何工况都要密集，数据量都要大。
自动识别技术是以和通信技术的发展为基础的综合性科学技术，它是信息数据自动识读、自动输入计算机的重要方法和手段，归根到底，自动识别技术是一种高度自动化的信息或者技术。
自动识别技术近几十年在全球范围内得到了迅猛发展，初步形成了一个包括条码技术、磁条磁卡技术、IC卡技术、、射频技术、声音识别及视觉识别等集计算机、光、磁、物理、机电、通信技术为一体的高新技术学科。而认为自动识别技术可以分为：光符号识别技术、语音识别技术、生物计量识别技术、IC卡技术、条形码技术、射频识别技术（RFID）。
一般来讲，在一个信息系统中，数据的采集（识别）完成了系统的原始数据的采集工作，解决了人工数据输入的速度慢、误码率高、劳动强度大、工作简单重复性高等问题，为计算机提供了快速、准确地进行输入的有效手段，因此，自动识别技术作为一种革命性的高新技术，正迅速为人们所接受。通过或者接口（包括的和硬件的）将数据传输给后台处理计算机，由计算机对所采集到的数据进行处理或者加工，最终形成对人们有用的信息。在有的场合，中间件本身就具有的功能。还可以支持单一系统不同的协议的产品的工作。
完整的自动识别计算机管理系统包括（Auto Identification System, 简称 AIDS），(Application Interface, 简称API )或者中间件（Middleware）和应用系统（Application Software）。
完成系统的采集和存储工作，应用系统对自动识别系统所采集的数据进行应用处理，而软件则提供自动识别系统和应用系统软件之间的通讯接口包括数据格式，将自动识别系统采集的数据信息转换成系统可以识别和利用的信息并进行数据传递。[1]按照应用领域和具体特征的分类标准，自动识别技术可以分为如下七种。
1． 条码识别技术
l 一维条码是由平行排列的宽窄不同的线条和间隔组成的二进制编码。比如：。这些线条和间隔根据预定的模式进行排列并且表达相应记号系统的数据项。宽窄不同的线条和间隔的排列次序可以解释成数字或者字母。可以通过光学扫描对一维条码进行阅读，即根据黑色线条和白色间隔对激光的不同反射来识别。
l 二维条码技术是在一维条码无法满足实际应用需求的前提下产生的。比如：。由于受信息容量的限制，一维条码通常对物品的标示，而不是对物品的描述。二维条码能够在横向和纵向两个方向同时表达信息，因此能在很小的面积内表达大量的信息。
2． 生物识别技术
指通过获取和分析人体的身体和行为特征来实现人的身份的自动鉴别。
生物特征分为物理特征和行为特点两类。
l 物理特征：包括指纹、掌形、眼睛（视网膜和虹膜）、人体气味、脸型、皮肤毛孔、手腕、手的血管纹理和DNA等；
l 行为特点包括：签名、语音、行走的步态、击打键盘的力度等。
举例1：声音识别技术
声音识别是一种非接触的识别技术，用户可以很自然地接受。这种技术可以用声音指令实现“不用手”的数据采集，其最大特点就是不用手和眼睛，这对那些采集数据同时还要完成手脚并用的工作场合尤为适用。目前由于声音识别技术的迅速发展以及高效可靠的应用软件的开发，使声音识别系统在很多方面得到了应用。
举例2：人脸识别技术
人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度；它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。
举例3：指纹识别技术
指纹是指人的手指末端正面皮肤上凸凹不平产生的纹线。纹线有规律的排列形成不同的纹型。纹线的起点、终点、结合点和分叉点，称为指纹的细节特征点（minutiae）。
由于指纹具有终身不变性、唯一性和方便性，已经几乎成为生物特征识别的代名词。
指纹识别即指通过比较不同指纹的细节特征点来进行自动识别。由于每个人的指纹不同，就是同一人的十指之间，指纹也有明显区别，因此指纹可用于身份的自动识别。
3． 图像识别技术
在人类认知的过程中，图形识别指图形刺激作用于感觉器官，人们进而辨认出该图像是什么的过程，也叫图像再认。
在信息化领域，图像识别，是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。例如：地理学中指将遥感图像进行分类的技术。
图像识别技术的关键信息，既要有当时进入感官（即输入计算机系统）的信息，也要有系统中存储的信息。只有通过存储的信息与当前的信息进行比较的加工过程，才能实现对图像的再认。
4． 磁卡识别技术
磁卡是一种磁记录介质卡片，由高强度、高耐温的塑料或纸质涂覆塑料制成，能防潮、耐磨且有一定的柔韧性，携带方便、使用较为稳定可靠。磁条记录信息的方法是变化磁的极性，在磁性氧化的地方具有相反的极性，识别器才能够在磁条内分辨到这种磁性变化，这个过程被称作磁变。一部解码器可以识读到磁性变化，并将它们转换回字母或数字的形式，以便由一部计算机来处理。磁卡技术能够在小范围内存储较大数量的信息，在磁条上的信息可以被重写或更改。
5． IC卡识别技术
IC卡即集成电路卡，是继磁卡之后出现的又一种信息载体。IC卡通过卡里的集成电路存储信息，采用射频技术与支持IC卡的读卡器进行通讯。射频读写器向IC卡发一组固定频率的电磁波，卡片内有一个LC串联谐振电路，其频率与读写器发射的频率相同，这样在电磁波激励下，LC谐振电路产生共振，从而使电容内有了电荷；在这个电容的另一端，接有一个单向导通的电子泵，将电容内的电荷送到另一个电容内存储，当所积累的电荷达到2 V时，此电容可作为电源为其它电路提供工作电压，将卡内数据发射出去或接受读写器的数据。
按读取界面将IC卡分为下面两种。
l 接触式IC卡，该类卡通过IC卡读写设备的触点与IC卡的触点接触后进行数据的读写。国际标准ISO7816对此类卡的机械特性、电器特性等进行了严格的规定。
l 非接触式IC卡，该类卡与IC卡读取设备无电路接触，通过非接触式的读写技术进行读写（例如光或无线技术）。卡内所嵌芯片除了CPU、逻辑单元、存储单元外，增加了射频收发电路。国际标准ISO10536系列阐述了对非接触式IC卡的规定。该类卡一般用在使用频繁、信息量相对较少、可靠性要求较高的场合。
6． 光学字符识别技术（OCR）
OCR（Optical Character Recognition），是属于图形识别的一项技术 。其目的就是要让计算机知道它到底看到了什么，尤其是文字资料。
针对印刷体字符（比如一本纸质的书），采用光学的方式将文档资料转换成为原始资料黑白点阵的图像文件，然后通过识别软件将图像中的文字转换成文本格式，以便文字处理软件进一步编辑加工的系统技术。
一个OCR识别系统，从影像到结果输出，必须经过影像输入、影像预处理、文字特征抽取、比对识别、最后经人工校正将认错的文字更正，最后将结果输出。
7． 射频识别技术（RFID）
射频识别技术是通过无线电波进行数据传递的自动识别技术，是一种非接触式的自动识别技术。它通过射频信号自动识别目标对象并获取相关数据，识别工作无需人工干预，可工作于各种恶劣环境。与条码识别、磁卡识别技术和IC卡识别技术等相比，它以特有的无接触、抗干扰能力强、可同时识别多个物品等优点，逐渐成为自动识别中最优秀的和应用的领域最广泛的技术之一，是目前最重要的自动识别技术。的管理和应用首先涉及信息的载体。过去多采用单据、凭证、传票为载体，手工记录、、人工计算、邮寄或传真等方法，对进行采集、记录、处理、传递和反馈，不仅极易出现差错、信息滞后，也使得管理者对物品在流动过程中的各个环节难以统筹协调，不能系统控制，更无法实现和。从而造成效率低下和人力、运力、资金、场地的大量浪费。[2]
对IT资产的管理也受益于自动识别技术，现在很多的采用自动识别技术自动记录跟踪资产的位置信息，帮助管理者迅速在设备故障时迅速定位故障位置，提高效率，非接触式自动识别也可以帮助企业更容易地完成资产盘点，节省人力时间，不需要像过去一样的逐个寻找比对。自动识别技术帮助物流企业走向智能物流时代
目前，“智能物流”已经从最初的概念逐步走向实际应用，自动识别技术无论是在仓储、运输、包装及配送等物流环节上都能大显身手，帮助中国物流相关企业实现信息化和自动化。[3]　　　　随着移动办公人员的数量增加，尤其是在仓储工作环境下，产品的便携性也很重要，手持产品需求会增多，对产品的功能要求也更高。比如读写器。现在，普通读写器处理标签信息单一，无法满足企业，尤其是大的制造型企业的繁重任务。这些企业需要更加智能的读写器，实现多功能识别，读取高速传送带上的托盘和货箱，且能够过滤数据和控制外围设备，从而高效精确地管理供应链。　　除了便携性和可扩展性，物流企业对未来自动产品要求能耗更低、作用距离更远以及读写速度更快更可靠。语音识别功能也将是自动识别设备的一大亮点。自动识别技术在国外发展较早也较快，尤其是发达国家具有较为先进成熟的自动识别系统，而我国在2010年左右也实现了自动识别技术的产业化。美国的军品管理、中国的二代身份证、中国的火车机车管理系统、日本的手机支付与近场通信等都是自动识别技术比较成功的大规模应用案例。
自动识别技术不是稍纵即逝的时髦技术，它已经成为人们日常生活的一部分，它所带来的高效率和方便性影响深远。[4]
新手上路我有疑问投诉建议参考资料 查看> P2P网站如何识别用户上传的视频是否盗版？
P2P网站如何识别用户上传的视频是否盗版？
网友&法行者&：
最近的盗版视频一事闹得沸沸扬扬，P2P又成了声讨的对象。作为用户，我很关心P2P视频网站如何识别盗版视频，不会出现误删的现象吧？
用户总会选择最方便的方式来获得想看的视频内容，以前是盗版光盘，有了网络后开始有人用P2P下载。由于P2P技术的先进性（节省带宽），目前还广泛应用与视频网站的点播、直播类技术平台。
P2P视频网站面临的一个比较明显的问题是盗版监控。识别用户上传的视频是否盗版难度较高：
a. P2P传输协议种类较多，实现复杂，自动监控软件的开发工作量相对较大；
b. 一些P2P视频是供用户下载长期保存的，因而码率较高，监控带来的网络流量和计算成本较大；
c. 很多P2P视频的源较少，下载缓慢，监控软件难以在有限的时间内下载到足够长的片段来确认侵权，但用户长期挂机等待后可能又能完成下载。
d. 由于视频内容多来自普通用户的计算机，发现侵权后的处理较为麻烦。某些P2P协议有中央控制服务器，此时可向该服务器的主管单位发函要求下线或追究侵权责任，但其也可能因没有直接发送完整侵权视频内容而要求免除责任。（如某些流行的视频类P2P类盗版软件中的&雷达&功能，就可以搜索用户IP物理地址附近的盗版资源，集合拼凑成完整的盗版视频）
所以对于P2P视频网站来说，不能完全排除误删视频的可能性。
不过目前也有一些手段来对盗版视频进行监控：
技术层面：
首先使用网络爬虫技术，结合现有搜索引擎，获得疑似侵权的链接。
然后再确认每个链接中是否确实包含待监测的视频内容（例如可以在一段视频中以静帧抽取若干特征图像特征，在检测中比对盗版视频的相应时间轴上的静帧特征是否一致，并辅以视频名称、时间长度、音轨等判断）。另可结合使用以下方式：
a. 人工观看；
b. 在虚拟机中运行P2P客户端程序，用截屏方式获取其所播放的视频，通过内容比对来确认是否侵权；
c. 分析P2P软件所用协议，据此编写爬虫软件抓取视频内容片段，通过内容比对来确认是否侵权，同时也可获得控制服务器、其它上传/下载用户的IP等其它信息。有时也会跟踪特定KAD节点来判断。
三种方式所需的开发工作量依次递增，但效率也递增。这些手段可以较全面地监测到国内常见的BitTorrent等一些平台上的侵权视频，在发函下线和诉讼上也取得了一定的成效。不过，P2P监测平台的开发和运行成本（包括人工观看部分的人工成本）较非P2P普通视频网站的监控为高。
目前市场上已经有成熟的技术和专业的第三方版权大数据监测服务公司，技术方面较为领先的主要是上海和厦门等地的一些技术公司。服务方可以帮助视频网站实现PC全网、移动端、OTT等多终端的版权监测，并且可以实现实时监测，相较于人工维权，节省了人力成本和时间成本。
P2P视频网站是否采用这些服务不得而知，不过从理论上讲，因为目前大多P2P网站自身都涉及到侵权，不太可能使用版权监测服务或产品。
管理层面：
a. 通过各种手段引导用户能更方便地观看到正版视频；
b. 在法律上理顺P2P侵权情况下的追责机制，例如中央控制服务器的所有者、资源发布平台管理者和参与上传的用户是否应承担侵权责任，版权方要求下线和追求侵权责任时的具体操作方式（例如如何取证、如何查到和联系具体侵权者等）；
c. 在法律允许的范围内，适当使用技术手段进行监控，包括为版权方提供的监控服务。
d.加强同业沟通，建立政府监管机制，发现盗版行为立即可以有效通知投诉。
最后，由于BitTorrent、EMulE、等P2P方式相对不便，使用的用户已经少了。这里的&方便&既包括操作的便利性和下载速度，也与侵权行为而被追究责任的可能性大小有关。由于P2P模式的侵权相对而言较难打击，因为其涉及较复杂的技术同时有伪装的&个人用户&掺杂其中。
但可喜的是自2012年开始权利人已经展开对于各类P2P资源网站和软件运营方的维权司法实践，同年国家版权行政管理机关（文化执法大队）首先处罚了上海一家大量提供P2P盗版下载资源的网站，随后民事上法院也支持了权利人版权保护的主张，北京、上海等地法院多次判定P2P资源发布论坛、资源站等网站承担侵权责任，并赔偿。
客观地说P2P技术还不会退出历史舞台，时下主流视频网站很多都用flash p2p技术。所以一项技术的发展只要其不被用于非法目的还是会得到广泛认可的，也将长期存在于优化现有技术的应用实践中。}