機器視覺人臉識別技術在智能商業中的應用

現任曠視科技(Face++)智能商業產品線資深總監的宋晨在第17期RobotXDay上與聽眾分享了人工智慧機器視覺領域中的人臉識別技術在智能商業領域應用的價值和實踐經驗，以下是根據宋晨的演講內容提煉出的核心內容：

　　什麼是人工智慧

本文引用地址：http://www.eepw.com.cn/article/201612/332892.htm

　　在曠視科技(Face++)宋晨看來，人工智慧應該是一種能夠通過數據、技術、產品三者不斷循環完成的滾雪球式閉環。以Google為例，它是通過數據來產生了搜索的技術，從而形成的一種產品，通過點擊的轉換最終又產生了數據，通過這種數據再次去學習並優化結果，而相比掃地機器人也許算不上人工智慧產品，因為它並不能夠通過數據和掃地的經驗行為來優化自身算法而提升效率。

　　人工智慧領域主要分布在機器學習(通用)、機器學習(應用)、計算機視覺(通用)、智慧機器人、虛擬個人助理、自然語言處理(語音識別)、自然語言處理(通用)、實時語音翻譯、情境感知計算、手勢控制、推薦引擎及協同過濾、視頻內容自動識別等。如今機器視覺已成為人工智慧領域中一項核心關鍵技術，並成功應用到多個重要行業中，虛擬實境、自動駕駛汽車、機器人、智能城市和物聯網等應用領域也隨之加速發展。曠視科技(Face++)在計算機視覺通用平臺中以人臉識別技術為突破點，為企業用戶和開發者們提供技術支持。

　　機器視覺是賦予機器一雙眼睛

　　我們知道機器視覺領域可分為人臉識別、物體識別以及行為、動作識別等，曠視科技是在人臉識別方面做的比較早的。而在人臉識別技術應用中，我們同樣會發現在數據、產品、技術這幾個維度形成一個整體閉環。通過標註出來的有包括人像，物體的信息的圖像數據，和核心算法、深度學習技術行成自己的產品，比如人臉識別的閘機、人臉識別機器人等，然後再通過產品本身來服務用戶，在用戶使用的過程當中自主去學習從而產生用戶行為數據，接而再反哺並促使產品和技術不斷優化、自我學習。

　　從2011年成立以來，曠視科技(Face++)致力於成為「讓機器看懂世界」的人工智慧公司，賦予機器一雙慧眼。讓它像人一樣去「觀察」、去「思考」，這樣它就能夠產生更多的功能，從它看的、想的一些數據裡面繼而形成一個整體的數據分析，而我們可以運用這些數據去做判斷、檢測、識別還有測量等，這樣以往可能需要人工或半人工做的事情，隨著機器視覺技術的變革都可以通過機器提升效率。

　　1:1和1:N

　　人臉識別有兩個比較重要的概念，即1:1和1:N。

　　1:1的應用於證明自己是自己的場景，你可以想像當你去機場過安檢的時候，總有一個人拿著你的身份證對比，身份證裡面是不是你本人。這種場景就是1:1的場景。人的肉眼識別精準度是在95%左右，而人的眼睛是有疲勞度的，所以機場安檢人員需要在半個小時到一個小時之內換班一次。換崗的目的就是為了保持比較平均的識別的準確率。但是，在這種場景下，機器可以達到97%甚至是更高的準確率而且機器沒有疲勞度的問題。

　　1:N的特點是動態和非配合，這是對於1:N而言也是非常重要的兩個點，所謂的動態也就是識別的不是照片，不是圖片，而是一個動態的視頻流;非配合是指識別對象不用感知到攝像頭的位置並配合完成識別工作，而地點，陰暗，光線，玻璃都會影響識別的準確性，所以1:N相對根據挑戰性。

　　在行業應用中，1:1更多是應用在金融、核身、信息安全領域，特點是精準安全。而1:N主要應用的方向是在商業、安防等。比如一個女士去商場買包包，店員不知道她是否是會員。如果引用機器視覺技術，不管店員換沒換，當顧客進門的時候她的信息就被推送給店員完成精準的推薦，這就是機器視覺在商業領域VIP客戶識別的典型應用。在安防方面的應用比如公共場所動態監控、緝拿逃犯、人員布控等。

　　而無論是1:1還是1:N的場景中，都涉及幾個比較重要的關鍵環節——人臉檢測、質量判斷、識別比對。不管是照片還是視頻流，靜態還是動態都要在畫面中判斷出人臉的位置，這便是人臉檢測;第二點質量判斷也就是讓機器去判斷是不是一張正面有效的照片，1:N的動態場景中更難一些，在動態過程中，抬頭，低頭，側臉都是非配合的狀態。因此質量判斷的好壞直接影響最後的結果。根據每秒輸出的25-30幀畫面，機器就會思考哪些會達到機器識別的及格線，其中有一張達到了的時候就吐出來交由後臺比對資料庫以完成最後一步識別比對的工作。

　　人臉識別到了大規模應用階段?

　　在現實生活中，大家應用的可能還不是很多，一個新技術推出時，大家還是很期待的。在6、7年前的支付環境下，大家對用手機綁定銀行卡都有著各種疑慮，但是現在，經過技術分發展和市場的培養，現在每個人的手機都會綁定一個帳號，線下的支付場景非常非常多，人們都很少帶現金出門。大家對新技術的出現都會抱有一種懷疑或者一種有可能出現漏洞的態度來看。隨著科技的發展，人們的生活習慣會潛移默化地發生改變。

　　人臉識別技術也是一樣，實際上人臉識別的技術已經到了一個成熟期，但是由於大眾對這個技術陌生，所以大家對它還有一種保守以及懷疑的態度——這個是一定會存在的問題，所以目前還沒有大規模的在現實生活中應用。

　　在人臉識別技術開始普及的這幾年，巨頭公司將會對這種技術進行大幅度的預熱及積累，比如現在很多應用平臺需要手持身份證拍照的實名驗證、還有現在顏值的評分，都是在通過不同的方式測試人臉識別這種技術。隨著初級的測試不斷完善，新一代的技術如刷臉去積分、刷臉支付、刷臉籤到等將會得到更普遍的應用。當這些場景真正的進入到大眾生活一段時間後後，很多事情就是水到渠成了。

　　從技術角度看，人臉識別的識別率早已經超過了人眼的水平，目前在金融、安防等領域正在擬定相關的行業標準。相比其他生物識別方式而言，人臉識別更為便捷不易盜取，人臉識別技術水平不能單一地用競賽結果排名來衡量，畢竟現實生活場景中的環境因素和實驗室裡有限的數據集相比更為複雜也更具挑戰性，這也是催熟人臉識別走出實驗室實現產業化的重要動力。曠視科技(Face++)正在做的就是推動人臉識別走向規模化應用，推出行業智能解決方案，建立集中的生態。

　　人工智慧視覺分析能做些什麼

　　從企業樓宇到園區，人臉識別智能系統可以與很多人的權限掛鈎，從人員的考勤到OA系統打通，訪客的管理和註冊，隨之而來的就是更加智能的管理人群和流向，比如機器可以通過對訪客的人臉進行標註，告訴他到底那個入口能進，哪個區域你沒權限進入，也能夠為受訪企業標記訪客來訪時間和停留位置，這些所有的東西都是圍繞企業的智能化來展開的。

　　在零售領域，隨著網際網路摧枯拉朽般地變革，線下零售業正遭受著前所未有的衝擊。而人工智慧視覺可以幫助線下零售商家更了解他們的客戶，將線下人群信息向線上轉化。通過前端的圖像獲取硬體和機器視覺技術分析客群，提供精準的客流分析如顧客年齡、性別、穿衣風格等，甚至停留時長、熱力圖、行為分析等多維數據。

　　除此之外，人工智慧視覺分析還能夠賦予傳統場景、傳統產品新的使命。比如結合企業的需要可以用於考勤、OA管理，在消費場景可以幫助經營者進行精準營銷，而在生活領域，可以讓業主獲得更好的居住體驗。因此，不管是社區的刷臉門禁、VIP通道、酒店的人證合一終端機、展會的刷臉籤到還是智慧機器人的眼睛，都是人工智慧機器視覺技術在我們生產和生活中的運用，只是在不同平臺和場景發揮著不同的價值。曠視科技(Face++)要做的就是通過對基礎數據的管理、分析，以及智能識別結構化處理，同時與合作夥伴一起推動人臉識別技術應用和業務增長，使傳統的產品更具競爭力。