如何識(shí)別我們的“面紋”

羅元婕

人臉識(shí)別屬于生物特征識(shí)別技術(shù)中的一種，它指的是對(duì)生物體（一般特指人）的生物特征來(lái)區(qū)分每一個(gè)個(gè)體。臉、指紋、手掌紋、虹膜、視網(wǎng)膜、語(yǔ)音、體形、個(gè)人習(xí)慣（如簽字）等生物特征的識(shí)別，都有相應(yīng)的識(shí)別技術(shù)支持。這些特征常被視為便捷的身份認(rèn)證形式，因?yàn)樗鼈兇蠖嗯c生俱來(lái)，且具備唯一性。

隨著移動(dòng)設(shè)備處理能力的提升，人臉識(shí)別技術(shù)迅速突破安防領(lǐng)域，涌向日常應(yīng)用，在金融系統(tǒng)、娛樂(lè)等其他領(lǐng)域發(fā)酵，創(chuàng)造了巨大的商業(yè)價(jià)值。

據(jù)了解，“刷臉”認(rèn)證的背后，其實(shí)是一整套的信用實(shí)人認(rèn)證過(guò)程，包含了新技術(shù)、實(shí)名認(rèn)證等一整套方案。技術(shù)專家表示，目前人臉識(shí)別技術(shù)已經(jīng)達(dá)到金融級(jí)的準(zhǔn)確度和安全性，準(zhǔn)確率超過(guò)99.6%，而且，結(jié)合眼紋等多因子驗(yàn)證，準(zhǔn)確率能達(dá)到99.9%。發(fā)型、常規(guī)妝容、胖瘦變化、老化等都可以被準(zhǔn)確識(shí)別出來(lái)。

目前，深度學(xué)習(xí)正逐漸被應(yīng)用于人臉識(shí)別中，深度學(xué)習(xí)將特征提取和分類兩個(gè)步驟融合在一起，利用神經(jīng)網(wǎng)絡(luò)黑盒子的特性，計(jì)算出最適合的特征提取模式，直接跳過(guò)“特征提取影響識(shí)別結(jié)果”這一缺陷，讓算法更適用于不同的實(shí)際應(yīng)用。

人臉識(shí)別技術(shù)的種類雖然繁多，但底層算法大同小異，識(shí)別圖片的“多樣性”和“精準(zhǔn)性”才是衡量技術(shù)高低的重要標(biāo)準(zhǔn)。只有把一定規(guī)模的訓(xùn)練數(shù)據(jù)“喂”給機(jī)器，提升它深度學(xué)習(xí)的能力，才能保證人臉識(shí)別技術(shù)在實(shí)際應(yīng)用場(chǎng)景中達(dá)到預(yù)期的效果。這也就意味著，為了提高算法的準(zhǔn)確性，大量的數(shù)據(jù)積累是必不可少的。

以商場(chǎng)內(nèi)部監(jiān)控?cái)z像頭的例子來(lái)說(shuō)明，比較容易理解“刷臉”的原理：裝備了面部識(shí)別軟件的計(jì)算機(jī)將會(huì)對(duì)商場(chǎng)內(nèi)的視頻影像進(jìn)行檢測(cè)和識(shí)別。系統(tǒng)一旦發(fā)現(xiàn)任何可疑的“臉”，就會(huì)密切關(guān)注那個(gè)鏡頭中的每一張“臉”。當(dāng)系統(tǒng)把圖像中的臉調(diào)整到合適的大小和方向后，就會(huì)進(jìn)一步細(xì)致識(shí)別，并創(chuàng)建一個(gè)“面紋”。

面紋與指紋原理類似，即一組能夠區(qū)別人臉的組合特征。每個(gè)人眼睛、鼻子和嘴等面部特征之間的距離、面積和角度等幾何關(guān)系各不相同，一個(gè)大眼睛、小鼻子、薄嘴唇的“面紋”，就和小眼睛、大鼻子、厚嘴唇人的面紋不同。

把面紋與一張照片進(jìn)行對(duì)比，可以驗(yàn)證一個(gè)“已知人”的身份，比如公司對(duì)進(jìn)入特定區(qū)域的員工進(jìn)行身份驗(yàn)證。面紋也可以與數(shù)據(jù)庫(kù)中大量的圖片進(jìn)行對(duì)比，識(shí)別出一個(gè)“未知人”?？墒牵?dāng)光照變化、人臉有外物遮擋、面部表情變化時(shí)，特征變化較大，一個(gè)墨鏡就能極大地混淆面部識(shí)別系統(tǒng)。

此外，正在被識(shí)別的人對(duì)識(shí)別過(guò)程的配合程度也是決定面部識(shí)別成功與否的因素之一。因而，對(duì)有意識(shí)地進(jìn)行面部識(shí)別的人進(jìn)行識(shí)別就會(huì)比較簡(jiǎn)單，比如刷臉支付時(shí)，顧客為方便軟件識(shí)別，就需要在合適的光線下直視攝像頭。

為了解決這些技術(shù)難點(diǎn)，提高面部識(shí)別的準(zhǔn)確性，研發(fā)或應(yīng)用人臉識(shí)別技術(shù)的公司正大量積累數(shù)據(jù)，希望完善系統(tǒng)的深度學(xué)習(xí)能力。比如，作為美圖秀秀的合作方，F(xiàn)ace++已經(jīng)識(shí)別了超過(guò)10億張照片，現(xiàn)在還建立了數(shù)億張照片的名人圖片庫(kù)。而Facebook為了研究DeepFace技術(shù)，早已建立了一個(gè)來(lái)自于4030個(gè)人的440萬(wàn)張標(biāo)簽化的人臉池。Facebook希望通過(guò)深度學(xué)習(xí)算法，調(diào)查用戶在社交網(wǎng)絡(luò)上的行為和習(xí)慣，進(jìn)而精準(zhǔn)地推送信息。