近年來,人臉識別技術發展迅猛,識別精度與速度不斷得到提升,為人臉識別在眾多領域的應用提供了基礎,這場景猶如車牌識別技術發展史的翻版,頗有「忽如一夜春風來,千樹萬樹梨花開」的意味。
上期我們介紹了《車牌識別殺手鐧之深度學習》,本期跟大家講一講21世紀科技界繞不開的話題——人臉識別技術。
首先,我們要了解下什麼是人臉識別?
人臉識別問題宏觀上分為兩類:「人臉驗證」和「人臉識別」。
人臉驗證做的是 1 :1 比對,即判斷兩張圖片裡的人是否為同一人。最常見的使用場景便是人臉解鎖,終端設備(如手機、電腦)只需將用戶事先註冊的照片與臨場採集的照片做對比,判斷是否為同一人,即可完成身份驗證。
人臉識別做的是 1 :N 的比對,即判斷當前見到的人,為曾經見過的眾多人中的哪一個,如小區門禁,會場籤到,以及新零售概念裡的客戶識別等場景。
這些應用場景的共同特點是:人臉識別系統事先存儲了大量的不同人臉和身份信息,系統運行時需要將見到的人臉與之前存儲在人臉資料庫中的人臉做比對,找出匹配的人臉。
因為人臉識別設備使用非常便捷,其發展勢頭非常迅猛。
但萬物都是相對的,要想真正做到高精度的人臉識別技術,需要攻克的難題也有不少:
1. 首先,人臉存在「相似性」,即每個人臉器官的結構外形都很相似,尤其是雙胞胎人臉和被神奇變臉術(化妝)加持過的人臉,更是大幅增加了識別的難度。
2. 其次,人臉存在「易變性」,我們都知道,人的情感主要是通過豐富的臉部表情變化來體現的,人類的表情變化萬千,而在不同的觀察角度,人臉的視覺圖像也相差甚遠。
3. 另外,人臉識別還受光照條件(如白天和夜晚,室內和室外等)、人臉的遮蓋物(例如安全帽、口罩、墨鏡、頭髮、鬍鬚等)、年齡等多方面因素的影響。
國內眾多安防企業投入巨資潛心發展自研人臉算法及其相關技術,並予以產品化,在市場陸續推出多款人臉識別門禁產品,被廣泛應用於通道門禁管控、考勤籤到、物業巡更、身份辨識等場景。
那麼,針對以上這些人臉識別的難題,以「聰明絕頂」著稱的捷順人臉算法工程師又該如何應對呢?
人臉識別準確的前提條件,是提取出準確率較高的人臉識別特徵值,而人臉特徵的提取,是通過大數據訓練出來的模型實現的。模型裡面存儲的是參數值,整個訓練過程主要就是不斷調整參數值,使之達到最優。
在深度學習技術出現之前,傳統機器學習技術風靡一時,但由於隨著光線、拍攝角度、氣色、表情、化妝、配飾掛件等等的不同,同一個人的面孔照片在照片像素層面上差別很大,機器學習難以提取合適的「人臉特徵值」(指用機器語言來表示人臉特徵如輪廓、膚色、眼睛等),自然也沒法達到精準識別結果。
深度學習的最大優勢在於,可以由訓練算法自行調整參數權重,構造出一個準確率較高的人臉識別模型。這樣的話,只要給識別設備一張照片,即可獲取到合適特徵值來進行人臉特徵比對,進而提升人臉識別的準確率。
深度學習相比傳統機器學習,一個最大的優勢就是對海量數據的自學習能力。針對不同應用場景採集的人臉特徵模型,如大型商超、辦公寫字樓、打卡考勤、網絡身份認證等,構建億級人臉庫數據樣本,AI後臺自動進行大數據學習訓練,算法的識別能力提升更快、識別更精準。
捷順人臉識別設備具有人臉自學習功能,針對較難識別的人臉,一旦識別成功,設備將自動抓拍替換掉原來人臉照片,並可通過算法的不斷學習,使這張人臉在實際環境中達到識別最佳的效果。
NPU通常是指,專門針對神經網絡的計算進行加速的處理器,可以低功耗高效能地處理並行運算。其對圖像識別處理比CPU快數十倍,在人臉識別門禁產品上「算力」變強,可大幅提升對人臉特徵的識別速度,在200毫秒內即可完成識別,毫無延遲感。
對註冊的圖像進行嚴格把關,針對人臉註冊圖像進行自動篩選,將影響識別的「陰陽臉」、「濃妝臉」、「面部有遮擋」等不合格人臉圖像拒之門外,保證了註冊人臉圖像的錄入質量,使識別快速、準確、穩定。
無論註冊圖像是倒立的還是橫向的,都能智能檢測旋轉成正向人臉錄入信息庫,進而保障了信息錄入的高質量。
算法可實現,使用可見光和紅外光協同進行人臉識別匹配與核准,準確分辨真實人臉和紙質/手機照片,大幅增強防偽可靠性。
對在光照不足、背光、逆光等惡劣環境下人臉圖像進行智能調節,使人臉圖像更清晰,更有利於識別,賦予人臉識別設備更強大的環境適應性。
從2016年下半年開始,人臉識別技術進入發展的快車道,2017至2020年間更是迎來了井噴式的爆發。如今,「刷臉」技術已經深入到人們生活的方方面面,成為我們智慧生活的一大潮流。
尤其在今年初的新冠肺炎疫情期間,捷順等科技企業推出的遠距離人臉識別紅外測溫設備成為公共場所的標配,作為集成了體溫檢測與人臉識別功能的防疫利器,在全國諸多場所為疫情的有效防控做出了卓越貢獻。
在這個比拼技術的時代,以人臉識別為代表的新一代技術所驅動的產業革命浪潮已然來臨,技術研發將會成為企業發展的重要因素,以人臉識別技術為代表的各家人工智慧開發團隊將以百舸爭流之勢,力爭在未來的人工智慧大時代佔據一席之地。