前段時間，南(nán)陽市(shì)交警利用人臉識别技(jì)術(shù)抓拍行人和非機(jī)動車闖紅(hóng)燈，引發廣泛關注。在市(shì)區重要交通(tōng)路(lù)口，紅(hóng)燈亮起後，如有行人和非機(jī)動車越過停止線，人臉抓拍系統會(huì)自(zì)動抓拍越線、繼續通(tōng)行、通(tōng)過路(lù)口等不同節點的照(zhào)片，保留15秒(miǎo)視頻并截取違法者的頭像，闖紅(hóng)燈行為(wèi)會(huì)自(zì)動顯示在路(lù)口大屏幕上(shàng)。

    據南(nán)陽市(shì)交警支隊科研所介紹，借助人臉識别系統，可對交通(tōng)違法人的頭像及身份證、居住地址等部分信息進行曝光(guāng)。啓用半年(nián)來，這些路(lù)口從(cóng)最初一(yī)天最多(duō)抓拍上(shàng)百起闖紅(hóng)燈行為(wèi)，現在降到(dào)一(yī)天十餘起，治理效果明顯。

    專家介紹，随著(zhe)人臉識别技(jì)術(shù)不斷進步，以及網絡帶寬、影像拍攝質量的提高(gāo)，未來該技(jì)術(shù)會(huì)應用到(dào)更多(duō)領域。全新的“刷臉時代”不再遙遠(yuǎn)。

    人臉識别可以算(suàn)是落地夠快、效果也夠炫的“智能(néng)技(jì)術(shù)”之一(yī)了，從(cóng)15年(nián)3月(yuè)馬雲展示支付寶的刷臉支付，到(dào)最近很多(duō)機(jī)場、高(gāo)鐵站啓用了刷臉進站，就(jiù)連美圖都說自(zì)己可以“AI自(zì)拍”。

    先來潑一(yī)盆冷水(shuǐ)，目前很多(duō)人臉識别的落地應用還(hái)處在一(yī)個(gè)非常初級的階段，技(jì)術(shù)價值并不高(gāo)。首先，我們要弄明白(bái)人臉識别這一(yī)概念。人臉識别其實是個(gè)相(xiàng)對寬泛的大分類，基于生(shēng)物(wù)特征識别技(jì)術(shù)，利用人的特征實現個(gè)體的區分。其中技(jì)術(shù)包括圖像采集、特征定位、身份的确認和查找等等。

    簡單來說，就(jiù)是從(cóng)照(zhào)片中提取人臉中的特征，比如眉毛高(gāo)度、嘴角等等，再通(tōng)過特征的對比輸出結果。

    在應用上(shàng)，人臉識别也分很多(duō)層級，目前在我國(guó)應用最多(duō)還(hái)是1：1等級，也就(jiù)是人臉識别中最初級的“證明你是你”。

    1：1等級的人臉識别通(tōng)常是用戶上(shàng)傳符合規則的照(zhào)片于系統上(shàng)，線下(xià)拍照(zhào)，于系統中的照(zhào)片進行對比。在機(jī)場、高(gāo)鐵站這種為(wèi)線下(xià)拍照(zhào)提供了較好條件(jiàn)(燈光(guāng)、拍照(zhào)像素等等)的環境中，說實話對于技(jì)術(shù)的硬性要求不算(suàn)太高(gāo)。

    而知乎中還(hái)有網友(yǒu)提到(dào)，關于人臉識别終端算(suàn)法部署授權隻需要500元/套，其使用成本可見(jiàn)一(yī)斑。而這一(yī)技(jì)術(shù)也絕非最近才出現，在高(gāo)中時期，筆者的學校就(jiù)應用過刷臉考勤查驗課間操跑步圈數。

    對運算(suàn)環境要求更高(gāo)的是1：N級和N：N級的人臉識别。也就(jiù)是單一(yī)特征對比多(duō)種特征和多(duō)種特征對比多(duō)種特征。而這兩種等級的人臉識别在應用上(shàng)也常常無法提供較好的環境，比如1：N級人臉識别可以應用于失蹤人口搜索中，在特殊情況下(xià)拍的照(zhào)片存在角度、光(guāng)線的複雜(zá)性，加大了特征提取、對比的難度。

    LBP，人臉識别的魔法根源

    或許我們可以更深一(yī)步探究人臉識别的算(suàn)法，比如LocalBinaryPattern(局部二元模式)。這種算(suàn)法可以将某一(yī)像素周邊的灰度值和該像素作比較，從(cóng)而去除光(guāng)線的影響提取特征。

    過安檢能(néng)“刷臉”不算(suàn)什麽，人臉識别的價值還(hái)遠(yuǎn)未被發掘

    除了LBP外，常用的特征提取算(suàn)法還(hái)有很多(duō)，像是Gabor濾波器(qì)。當然，提取特征隻是第一(yī)步，接下(xià)來還(hái)要根據特征進行分類，這時就(jiù)要應用貝葉斯、決策樹等等分類算(suàn)法。

    最近大火的深度學習也正逐漸被應用于人臉識别中，深度學習将特征提取和分類兩個(gè)步驟融合在一(yī)起。利用神經網絡黑(hēi)盒子的特性計算(suàn)出最适合的特征提取模式，從(cóng)而可以直接跳過“特征提取影響識别結果”這一(yī)怪圈，讓算(suàn)法的應用範圍更大。

    當然，由于深度學習需要應用大量的數據樣本和較長(cháng)時間的訓練時間，對于整體運算(suàn)環境要求也很高(gāo)，相(xiàng)比物(wù)美價廉的LBP，應用範圍還(hái)不大。

    算(suàn)法基礎？實用性更重要！

    雖然有人認為(wèi)人臉識别隻是個(gè)很基礎的算(suàn)法，但我們認為(wèi)在應用上(shàng)範疇上(shàng)，人臉識别還(hái)是一(yī)座未經發掘的寶礦。

    單純從(cóng)身份驗證、識别角度來看(kàn)，就(jiù)有遠(yuǎn)程信貸、證券事(shì)務辦理、實名制系統驗證、來訪記錄、安檢審核等等範疇的應用。在提高(gāo)魯棒性的前提下(xià)，還(hái)利用天網進行罪犯/失蹤人口追蹤排查，總之科幻片裡(lǐ)通(tōng)過大街小(xiǎo)巷攝像頭找人的情節完全可以進入現實。

    過安檢能(néng)“刷臉”不算(suàn)什麽，人臉識别的價值還(hái)遠(yuǎn)未被發掘

    除了這些落地性強的應用模式，目前讨論熱度最高(gāo)的還(hái)有大數據+人臉識别，也就(jiù)是通(tōng)過大量人臉樣本的累積，從(cóng)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(tōng)過面色、皺紋、斑點等等特征分析病情。

    不過這些應用範疇距離落地應用還(hái)很遠(yuǎn)，想要實現情緒判斷、視覺診斷等等目的，人臉識别是否是最好的方式也不得而知。

    總體看(kàn)來，在中國(guó)的技(jì)術(shù)企業(yè)中，人臉識别算(suàn)是泡沫較高(gāo)的一(yī)個(gè)類别，不光(guāng)Face++、雲從(cóng)等等企業(yè)都拿過千萬美金級别的融資。各個(gè)企業(yè)也将該技(jì)術(shù)的引用視作踏入AI的一(yī)步，大肆PR吹捧，就(jiù)連一(yī)些自(zì)拍工(gōng)具也想來蹭一(yī)蹭熱度。

    其實目前人臉識别的應用還(hái)停留在基礎上(shàng)，也就(jiù)是在較好環境中1：1人臉識别，而拍照(zhào)美顔更僅僅應用到(dào)了人臉特征定點提取，連識别預處理都算(suàn)不上(shàng)，這樣也要強吹隻能(néng)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(yī)種技(jì)術(shù)，至于那些混淆視聽蹭熱度的，恰恰展示出了對于自(zì)家産品的不自(zì)信。對于流量的吹噓或許可以“公關在前”，錢(qián)拿到(dào)了再做實，可技(jì)術(shù)不是靠營銷就(jiù)能(néng)堆砌出來的，最後往往隻剩下(xià)打臉一(yī)個(gè)結果。
 ---武漢為(wèi)安科提供人臉識别系統。