文/陳海檑 浙江大華技術股份有限公司產(chǎn)品經(jīng)理 責任編輯/喻力

　　現(xiàn)階段人臉識別

　　近年隨著全球各大研究所、實驗室的日夜兼程，人臉識別技術日益提高，識別率達到99%以上，從而演變出來的功能也種類繁多并應用到各個領域。而直接相關的安防、互聯(lián)網(wǎng)及金融等領域更是迅速將技術產(chǎn)品化推向市場。一時間，人臉識別成為了各大行業(yè)的熱點技術方向。據(jù)筆者統(tǒng)計，在2015年的中國國際社會公共安全博覽會上，至少有20家企業(yè)展示了自家的人臉識別產(chǎn)品。其中既有鉆研技術深度的尚湯、FACE++、依圖這樣的學術型廠家，也有筆者公司這樣的大安防廠商。同時，眾多媒體也接連報道了人臉識別技術在學術界和工業(yè)界取得的巨大成果：比如15年，中科奧森在LFW人臉識別數(shù)據(jù)集上取得了99.7%的識別率（見表1），與百度持平刷新了年初谷歌的記錄;阿里巴巴集團執(zhí)行主席馬云在德國展會上演示了人臉識別與支付寶的結合應用，“刷臉支付”將走向生活;更有公安部門的多個案例，將科幻大片的情景帶入我們的智慧城市中。

表1 在LFW無約束、有標注的室外照片集上的識別率結果

　　人臉識別技術深度

　　人臉識別技術已超人眼

　　在此之前，湯曉鷗的研究組開發(fā)了一個基于高斯過程的人臉識別技術GaussianFace （高斯臉），取得了98.52%的識別率。這也是計算機自動識別算法的識別率首次超過肉眼。

　　湯曉鷗的研究組在人臉識別領域有十幾年的研究經(jīng)歷。他們從2011年開始開展深度學習方法的研究工作，在2013年達到了92.52%的識別率。過去一年，他們將這一數(shù)字提高到99.15%，2015年，湯曉鷗和王曉剛的研究組曾發(fā)布了一套基于深度學習的人臉識別算法，在LFW上取得了當時最高的97.45%的識別率。與此同時，F(xiàn)acebook發(fā)布了另一套基于深度學習的人臉識別算法DeepFace，在LFW上取得了97.35%的識別率。DeepFace需要700多萬人臉數(shù)據(jù)作為訓練。而DeepID僅使用了20萬張人臉數(shù)據(jù)以及數(shù)臺Nvidia K40 GPU。目前，湯曉鷗實驗室的三個人臉識別算法占據(jù)了LFW識別率的前三名，而Facebook的DeepFace排在第四。

　　湯曉鷗認為，人臉識別領域還有大量的工作需要做，很多算法需要在實際應用中得到不斷的改進和提高。他的實驗室已經(jīng)基于最新的技術突破制作出完整的一套人臉圖像處理系統(tǒng)SDK，包括人臉檢測，人臉關鍵點對準，人臉識別，表情識別，性別識別，年齡估計等各種基礎技術包。

　　3D人臉識別技術

　　3D人臉識別技術是未來的另外一個方向。本文到目前為止所討論的范疇限定在2D圖像上。人臉實質上是一個立體模型，而2D人臉識別容易受到姿態(tài)、光照、表情等因素影響，是因為2D圖像本身有一個缺陷，無法很好地表示深度信息。如果說深度學習是從人的認知角度來理解人臉識別，那么3D技術就是從現(xiàn)實模型來反映人臉識別。

　　目前關于3D人臉識別方向的算法研究并沒有2D人臉識別技術那么豐富和深入。許多因素限制了這項技術的發(fā)展提升。首先，3D人臉識別往往需要特定的采集設備，如3D攝像機、紅外雙目或雙目攝像機。目前這類采集設備價格還比較昂貴，技術還不能普遍應用，場景比較特定。其次，3D建模過程需要的計算量較大，對硬件要求較高，也限制了目前的應用。第三，3D人臉識別數(shù)據(jù)庫比較稀少，研究者缺少訓練樣本和測試樣本，無法開展更深入的理論研究。相信隨著未來芯片技術和傳感器的發(fā)展，當計算能力不再受到制約，3D采集設備成本大幅下降的時候，3D人臉識別將取得重要的突破。

　　人臉識別技術的應用

　　常見可行性應用

　　目前人臉識別技術的提高，促使各行各業(yè)都開始廣泛試驗引用這一技術(見表2)，在某些領域取得了一定的成效。

表2 人臉識別的應用領域

　　以公安應用為例，利用人臉檢索系統(tǒng)，將目標人臉輸入到系統(tǒng)中。系統(tǒng)自動在海量人口數(shù)據(jù)庫中進行查找比對，列出前若干名相似的人員信息。然后再通過人工篩選的方式，對系統(tǒng)結果進行篩選，得到目標的真實身份。

　　公安行業(yè)還有一類比較重要的應用：人員布控。在一些重要的通道出入口，部署高清探頭，專門用于抓拍經(jīng)過的人臉并傳送給后端系統(tǒng)。后端系統(tǒng)將人臉圖片與所關注的人臉庫(如在逃嫌疑犯等)進行逐一比對。當發(fā)現(xiàn)有目標與庫中人員相似度超過設定閾值時，系統(tǒng)自動提示相關人員采取措施。

　　金融行業(yè)中的利用，將事先錄入庫中的身份信息的人臉圖片作為依據(jù)，利用1:1對比的方式進行對比。刷卡，攝像機攝取人臉信息。只需2步即可完成身份認證，達到了刷臉取款的效果。當然目前看來，在當前的社會環(huán)境前提下，人臉識別的方式以輔助取款的模式存在，用于提高取款安全性的利用更為恰當。在不久的將來，技術及社會環(huán)境更加合適的時候可直接利用。

　　而同樣在一些機場，海關，港口，車站等公共場所，合理利用1:1人臉識別功能，加以適當?shù)娜藶楦深A，可以很好的提高效率，節(jié)省社會成本。

　　限制性條件的影響

　　雖然人臉識別技術功用巨大，但在實際應用中，我們往往會遇到很多問題。人臉圖像質量對識別率的影響較高。圖像質量差，辨識度低，有效特征很少，有時即使用肉眼也很難確認身份。圖像質量又受多種因素影響，如光照、姿態(tài)、表情、人臉尺寸、清晰度等。圖3是同一個人在不同光照下的圖片，很直觀地可以看出，即使是同一個人，在不同光照下用肉眼也很難辨別。所以說，目前的人臉識別系統(tǒng)只能在一些較規(guī)范的環(huán)境下進行，如滿足光線均勻，人臉需要正對著攝像機、保證人臉在畫面中有一定的像素寬度等條件。但是在實際的安防監(jiān)控場合中，這些限制條件卻很難滿足。

圖3  同一個人在不同光照下的圖片

　　第二個問題是隨著人臉數(shù)據(jù)庫規(guī)模的不斷擴大，識別率也會隨之下降。傳統(tǒng)的人臉識別算法在訓練階段能夠利用的數(shù)據(jù)樣本有限，訓練出來的算法模型并沒有特別好的泛化能力。特別是在百萬、千萬級的人臉檢索任務中，結果并不理想。所以，控制數(shù)據(jù)庫規(guī)?？梢灾苯佑绊憫玫淖R別結果。例如，前文表1中的某家企業(yè)曾做過一項有趣的測試，其開發(fā)的Face++算法曾在LFW數(shù)據(jù)集上達到99.5%的準確率，但是在一個真實的安防認證應用中，他們發(fā)現(xiàn)，處理真實場景的人臉識別時，機器與人還存在非常明顯的差距。他們在一個百萬級的中國人群測試集上進行測試，當錯誤接受率(FAR)設定在1e-5時，識別準確率僅為66%，這樣的性能顯然無法滿足安防認證應用的需求。而對其中錯判的樣例進行人工測試識別時發(fā)現(xiàn)，90%的錯判結果都可以被人準確判斷。也許換一種思路，將機器識別和人工確認相結合，對于現(xiàn)在的許多應用來說更加妥當。

　　對于公安實例中，拋去車站，機場，安檢，出入口這些可通過管理限制來滿足環(huán)境需求的點外，其他事故高發(fā)地則很難布控。例如人員聚集的廣場，人煙稀少的野外。往往會成為犯罪分子活動的不二選擇，但是環(huán)境因素為他們提供有效的盲點跟死角，能輕易避開。這樣就很難有效的利用人臉識別中的技術。

　　行業(yè)標準也在日益完善

　　為了規(guī)范行業(yè)應用，國家和行業(yè)相關標準委員會也做了很多努力。相關部門已經(jīng)制訂并發(fā)布了五項人臉識別標準，分別是《GA/T 922.2-2011 安防人臉識別應用系統(tǒng) 第2部分：人臉圖像數(shù)據(jù)》、《GA/T 1093-2013 出入口控制人臉識別系統(tǒng)技術要求》、《GA/T 1126-2013 近紅外人臉識別設備技術要求》、《GA/T 1212-2014 安防人臉識別應用防假體攻擊測試方法》和《GB/T 31488-2015 安全防范視頻監(jiān)控人臉識別系統(tǒng)技術要求》。這些標準有利于統(tǒng)一測試標準和應用場景，得到對相關產(chǎn)品的準確評價，進而規(guī)范市場環(huán)境，變無序為有序，這無論是對廠商還是用戶來說都有著非常重要的意義。

　　人臉識別技術理性回歸實際

　　在城市治安監(jiān)控中，雖然對人臉識別的需求很大，但是到目前為止，從技術上還達不到在治安畫面中實現(xiàn)識別的水平。原因主要有三點：一是治安監(jiān)控看的往往是整體切面，即使在沒有遮擋的情況下，人臉在圖像中不夠清晰，像素點達不到識別要求;二是治安監(jiān)控是由高往下看，這種角度下，與正面的平面圖像相貌相差較大;三是光照影響，在露天環(huán)境下，常常因為背光使得人臉發(fā)黑，無法辨別，或者局部發(fā)黑，形成陰陽臉，這也極大的影響識別的效果。因此，在治安監(jiān)控環(huán)境下，進行人臉識別是目前還難以克服的。

　　但是，也有不少項目中使用了該技術，在交通樞紐的安檢口，如飛機安檢口、火車站安檢口進行人臉識別的試點，把過往乘客的抓拍照片與在逃庫進行比對，希望達到追逃的效果。在安檢處設立人臉抓拍機正好彌補了一般治安監(jiān)控的不足：專機專用，保證臉部圖像的像素;角度相對較低，容易拍到人臉的正面圖像;在室內(nèi)，無光照變化影響，同時光源分布均勻，無陰陽臉的現(xiàn)象。雖然在成像上克服了治安監(jiān)控的不足，但是筆者認為這樣的應用還是難以大面積的推廣，原因有：職責不清——交通樞紐站的職責是保持上下客的次序，抓逃不是其工作內(nèi)容，這些職能部門確實也不應該去做抓逃的事，除非有硬性規(guī)定;風險大于收益——人臉識別只是返回一個相識度比較結果，對于其身份并無確認能力，而13億中國人中相貌類似的很多，誤判的可能性很大，結果沒抓到正確的人反而引來旅客的投訴就不劃算了;容易偽裝——有心躲避的逃犯通過粘貼假胡子、帶墨鏡等偽裝可以很容易騙過機器的識別。

　　那么，是否人臉識別技術在平安城市中就沒有用武之地了呢?答案是否定的。移動終端與云計算的興起給了人臉識別一個打翻身戰(zhàn)的好機會。

　　前面說到的治安應用與交通樞紐的應用都是非接觸式，這些都受制于識別的條件與效果。但如果民警要求嫌疑人擺正位置，用手機或其他終端對其人像進行拍攝，并把人臉圖片傳回到數(shù)據(jù)中心進行身份識別，這樣的準確率是很高的，而且業(yè)務上也有這樣的需求，如民警進行外來人口聚集地排查，當對方不提供身份證時，可用類似的方法確認其身份;另外，對于一些沒有身份證信息的尸體，只要面部特征完好，也可以用類似的方法快速確認其身份。由于身份證庫巨大，在真正實施中，還需要應用到云計算的技術進行分布式處理。

　　總結語

　　近年來安防行業(yè)的迅速發(fā)展，為人臉識別技術的應用帶來了挑戰(zhàn)，也提高了大眾的關注度可使這一技術更好更快的研究發(fā)展。有業(yè)內(nèi)人士指出，智能視頻分析將是大安防市場未來的發(fā)展方向之一。而人臉識別是其中非常重要的技術和應用。充分將人臉技術與實際應用做深度結合，達成更加可行性的方案。加上國家和行業(yè)標準正逐步地建立與實施。在標準的引導下，人臉識別產(chǎn)品和技術迎來新一輪的轉變與提升也會是必然發(fā)展方向。