新聞動態
NEWS
前段時間，南陽市交警利用人臉識別技術抓拍行人和非機動車闖紅燈，引發廣泛關注。在市區重要交通路口，紅燈亮起后，如有行人和非機動車越過停止線，人臉抓拍系統會自動抓拍越線、繼續通行、通過路口等不同節點的照片，保留15秒視頻并截取違法者的頭像，闖紅燈行為會自動顯示在路口大屏幕上。
據南陽市交警支隊科研所介紹，借助人臉識別系統，可對交通違法人的頭像及身份證、居住地址等部分信息進行曝光。啟用半年來，這些路口從最初一天最多抓拍上百起闖紅燈行為，現在降到一天十余起，治理效果明顯。
專家介紹，隨著人臉識別技術不斷進步，以及網絡帶寬、影像拍攝質量的提高，未來該技術會應用到更多領域。全新的“刷臉時代”不再遙遠。
人臉識別可以算是落地夠快、效果也夠炫的“智能技術”之一了，從15年3月馬云展示支付寶的刷臉支付，到最近很多機場、高鐵站啟用了刷臉進站，就連美圖都說自己可以“AI自拍”。
先來潑一盆冷水，目前很多人臉識別的落地應用還處在一個非常初級的階段，技術價值并不高。首先，我們要弄明白人臉識別這一概念。人臉識別其實是個相對寬泛的大分類，基于生物特征識別技術，利用人的特征實現個體的區分。其中技術包括圖像采集、特征定位、身份的確認和查找等等。
簡單來說，就是從照片中提取人臉中的特征，比如眉毛高度、嘴角等等，再通過特征的對比輸出結果。
在應用上，人臉識別也分很多層級，目前在我國應用最多還是1：1等級，也就是人臉識別中最初級的“證明你是你”。
1：1等級的人臉識別通常是用戶上傳符合規則的照片于系統上，線下拍照，于系統中的照片進行對比。在機場、高鐵站這種為線下拍照提供了較好條件(燈光、拍照像素等等)的環境中，說實話對于技術的硬性要求不算太高。
而知乎中還有網友提到，關于人臉識別終端算法部署授權只需要500元/套，其使用成本可見一斑。而這一技術也絕非最近才出現，在高中時期，筆者的學校就應用過刷臉考勤查驗課間操跑步圈數。
對運算環境要求更高的是1：N級和N：N級的人臉識別。也就是單一特征對比多種特征和多種特征對比多種特征。而這兩種等級的人臉識別在應用上也常常無法提供較好的環境，比如1：N級人臉識別可以應用于失蹤人口搜索中，在特殊情況下拍的照片存在角度、光線的復雜性，加大了特征提取、對比的難度。
LBP，人臉識別的魔法根源
或許我們可以更深一步探究人臉識別的算法，比如LocalBinaryPattern(局部二元模式)。這種算法可以將某一像素周邊的灰度值和該像素作比較，從而去除光線的影響提取特征。
過安檢能“刷臉”不算什么，人臉識別的價值還遠未被發掘
除了LBP外，常用的特征提取算法還有很多，像是Gabor濾波器。當然，提取特征只是第一步，接下來還要根據特征進行分類，這時就要應用貝葉斯、決策樹等等分類算法。
最近大火的深度學習也正逐漸被應用于人臉識別中，深度學習將特征提取和分類兩個步驟融合在一起。利用神經網絡黑盒子的特性計算出最適合的特征提取模式，從而可以直接跳過“特征提取影響識別結果”這一怪圈，讓算法的應用范圍更大。
當然，由于深度學習需要應用大量的數據樣本和較長時間的訓練時間，對于整體運算環境要求也很高，相比物美價廉的LBP，應用范圍還不大。
算法基礎？實用性更重要！
雖然有人認為人臉識別只是個很基礎的算法，但我們認為在應用上范疇上，人臉識別還是一座未經發掘的寶礦。
單純從身份驗證、識別角度來看，就有遠程信貸、證券事務辦理、實名制系統驗證、來訪記錄、安檢審核等等范疇的應用。在提高魯棒性的前提下，還利用天網進行罪犯/失蹤人口追蹤排查，總之科幻片里通過大街小巷攝像頭找人的情節完全可以進入現實。
過安檢能“刷臉”不算什么，人臉識別的價值還遠未被發掘
除了這些落地性強的應用模式，目前討論熱度最高的還有大數據+人臉識別，也就是通過大量人臉樣本的累積，從中提取特征并總結規律。像是提取表情特征，構建情緒判斷系統；或者通過面色、皺紋、斑點等等特征分析病情。
不過這些應用范疇距離落地應用還很遠，想要實現情緒判斷、視覺診斷等等目的，人臉識別是否是最好的方式也不得而知。
總體看來，在中國的技術企業中，人臉識別算是泡沫較高的一個類別，不光Face++、云從等等企業都拿過千萬美金級別的融資。各個企業也將該技術的引用視作踏入AI的一步，大肆PR吹捧，就連一些自拍工具也想來蹭一蹭熱度。
其實目前人臉識別的應用還停留在基礎上，也就是在較好環境中1：1人臉識別，而拍照美顏更僅僅應用到了人臉特征定點提取，連識別預處理都算不上，這樣也要強吹只能說發言人的心理素質有些過于強悍了。
我們不應該神化任何一種技術，至于那些混淆視聽蹭熱度的，恰恰展示出了對于自家產品的不自信。對于流量的吹噓或許可以“公關在前”，錢拿到了再做實，可技術不是靠營銷就能堆砌出來的，最后往往只剩下打臉一個結果。
---武漢為安科提供人臉識別系統。
