近日發現好多文章提到，不少企業或者團隊還在根據識別關鍵點的數量來採購人臉識別系統。本以為存在這種誤解的應該是新入門的開發者居多，既然這樣筆者還是以自身做開發的經歷來為大家解釋一下。
人臉關鍵點技術在人臉識別的一系列環節中，確實有所應用。但它並不是使用在最核心的人臉比對中，而是在前置的人臉圖像預處理環節中。因此，確保人臉五官基礎關鍵點數量及準確性即可，無需一味追求過多關鍵點的數量。
當前主流的人臉識別算法，在進行最核心的人臉比對時，主要依靠人臉特徵值的比對。所謂特徵值，即面部特徵所組成的信息集。我們辨別一個人的特徵，可能會記住他是雙眼皮、黑眼睛、藍色頭髮、塌鼻梁……但人工智慧算法可以辨別和記住的面部特徵會比肉眼所能觀察到的多很多。
人臉識別算法通過深度學習，利用卷積神經網絡對海量人臉圖片進行學習，藉助輸入圖像，提取出對區分不同人臉的特徵向量，以替代人工設計的特徵。每張人臉在算法中都有一組對應的特徵值，這也是進行人臉比對的依據。同一人的不同照片提取出的特徵值，在特徵空間裡距離很近，不同人的臉在特徵空間裡相距較遠。
雖然人臉關鍵點不會直接作用於人臉比對，但在人臉圖像預處理環節，依舊有重要作用。事實上，通過人臉檢測提取到人臉圖像質量參差不齊，角度各異。以筆者在使用的虹軟視覺開放平臺免費算法ArcFace3.0為例，其利用人臉關鍵點技術可準確定位出人臉五官位置，使用仿射變換將人臉統一「擺正」，儘量消除姿勢不同帶來的誤差，為算法準確提取人臉特徵值提供保障。
對於很多剛進入人臉識別領域的開發者而言，很多算法細節都需要親自上手感受過，才能明白個中精微之處。建議新手開發者可以嘗試虹軟視覺開放平臺免費開放的ArcFace3.0 SDK，下載即可使用，ArcFace對人臉識別、活體檢測、年齡檢測、性別檢測等核心算法模型進行全面升級，大幅提升算法魯棒性，顯著降低接入門檻，同時支持Windows、iOS、Android(包含Android10)、Linux，在性能和開發效率上進行了整體提升，還可以離線使用，對開發者來說非常實用。
另外，對此感興趣的朋友可自行搜索「虹軟視覺開放平臺」,了解更多詳情。