[[195170]]

【51CTO.com原創(chuàng)稿件】近日，經(jīng)常被類似“你最像哪位明星?”、“預(yù)測(cè)你未來的樣子”、“看看你們的年齡差?”…..這樣的一些基于臉部比對(duì)的照片刷屏。

圖[1]

如圖[1]是 “你最像哪位明星?”小應(yīng)用制作出來的對(duì)比照，看到這個(gè)對(duì)比過程，你肯定比較好奇這背后用到了哪些技術(shù)，能想到的就是人臉識(shí)別、美顏。但具體細(xì)節(jié)就……下面是專業(yè)人士給出的正確姿勢(shì)，給同樣感興趣的小伙伴們答疑解惑!

人臉識(shí)別技術(shù)的基本流程

當(dāng)下，人臉識(shí)別技術(shù)的細(xì)節(jié)多到數(shù)不清，工程技巧也是多種多樣，但基本流程已成定式：當(dāng)輸入某張人物照，利用人臉檢測(cè)技術(shù)找到人臉位置，在這基礎(chǔ)之上對(duì)關(guān)鍵點(diǎn)，如眼睛、嘴巴等定位，之后經(jīng)過一些幾何、光學(xué)手段的校正等，提取人臉特征，進(jìn)而做到人臉識(shí)別。

各個(gè)公司間的差異在于關(guān)鍵提取的數(shù)量相，從幾個(gè)點(diǎn)到近百點(diǎn)、以及各個(gè)環(huán)節(jié)在細(xì)節(jié)上的一些追求。

“你最像哪位明星?”這張圖，圖一到圖二，用到的是人臉檢測(cè)技術(shù)，基于一些算法，把人臉定位提取，也涉及到一小部分關(guān)鍵點(diǎn)的檢測(cè)技術(shù)。這個(gè)過程中，如何識(shí)別出照片，在不同年齡段的面部圖像是值得考究的點(diǎn)。

人臉識(shí)別中的年齡不變?cè)趯W(xué)術(shù)界被稱為 age-invariant face recognition(AIFR)，AIFR 技術(shù)能夠識(shí)別出同對(duì)象同齡段的臉部圖像。

無視年齡變化，AIFR技術(shù)的應(yīng)用

面部特征隨著年齡的增長(zhǎng)產(chǎn)生變化

人的面部特征隨著年齡的增長(zhǎng)會(huì)產(chǎn)生非常明顯的變化。從圖形學(xué)的角度來看，這種變化可以分為輪廓變化和紋理變化。

輪廓變化，指五官和臉型的空間位置和結(jié)構(gòu)特征產(chǎn)生了變化。如嬰兒的臉型普遍偏肥，輪廓平滑圓潤(rùn);成年后，則發(fā)展成鵝蛋臉、國(guó)字臉和瓜子臉等更加豐富的臉型，五官也變得更為立體。

紋理變化，指人臉皮膚表面的膚質(zhì)感產(chǎn)生了變化。嬰兒皮膚圓潤(rùn)、細(xì)嫩、平滑，而成人皮膚則往往更加粗糙，多皺紋。

這些輪廓和紋理的變化，往往連人類自身也無法準(zhǔn)確理解。今天得益于人工智能技術(shù)的發(fā)展，AIFR 技術(shù)已逐漸成熟。

AIFR技術(shù)的兩大模型

目前，AIFR 技術(shù)方向繁雜，但總體上可分為生成模型和判別模型兩種：

生成模型

生成模型的基本思想是假設(shè)人臉隨年齡的變化過程具有一定規(guī)律，然后通過數(shù)學(xué)方法去求解變化規(guī)律本身。在洞悉規(guī)律后，算法即可通過某一年齡的面部特征，生成其他年齡的面部特征。

以圖[1]為例，具體實(shí)現(xiàn)步驟為：

• 分別抽取人臉輪廓特征 S 和紋理特征 T
• 進(jìn)行校正和均化
• 對(duì)面部特征分別建立數(shù)學(xué)模型并求解模型參數(shù)，獲得生成模型
• 輸入待預(yù)測(cè)人的面部特征
• 使用生成模型預(yù)測(cè)此人其他年齡的面部特征
• 將輪廓特征和紋理特征重新合并
• 與實(shí)際未來面部進(jìn)行對(duì)比，即可知道是否為同一人或是相似的人

判別模型

判別模型與生成模型不同，判別類模型不尋求解決人臉的變化規(guī)律問題。判別模型假設(shè)有一部分人臉特征是不隨年齡而產(chǎn)生變化的，使用這類年齡無關(guān)的特征去判斷人臉的身份。

圖[2]

圖[2]顯示了深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)了非齡特征的抽取。

第一列是同一個(gè)人在不同年齡的照片 S1，S2，S3

通過卷積神經(jīng)網(wǎng)絡(luò)，系統(tǒng)使用固定的特征臉組合 S' 來代表原圖

例如：

特征臉組合再進(jìn)入如隱藏因子分析器后，只選擇了最接近這張?zhí)卣髂樀慕M合。

例如：

可以看出，第三列人臉相似度已經(jīng)非常高了。

刷臉時(shí)代來了：人臉識(shí)別技術(shù)的典型應(yīng)用

除了上面提到的小應(yīng)用，現(xiàn)在人臉識(shí)別的用途越來越廣，各行各業(yè)都在嘗試用人臉識(shí)別提升客戶體驗(yàn)、優(yōu)化服務(wù)水平，不過總結(jié)起來主要有兩大類：人臉身份識(shí)別和人臉身份認(rèn)證。

二者表面看起來比較接近，但它們的技術(shù)原理并不相同：人臉身份識(shí)別是從一堆人里識(shí)別出你是誰，人臉身份認(rèn)證是確認(rèn)你是不是本人。比較典型的應(yīng)用如下：

人臉身份識(shí)別

• VIP人臉識(shí)別。這個(gè)應(yīng)用可以自動(dòng)在人群中捕捉 VIP 客戶，并識(shí)別出其身份，同時(shí)可以語音歡迎并經(jīng)后臺(tái)通知相關(guān)工作人員;
• 人臉黑名單。這個(gè)應(yīng)用可以在重點(diǎn)通道設(shè)置人臉黑名單，自動(dòng)識(shí)別重點(diǎn)嫌疑人等，一旦發(fā)現(xiàn)即可自動(dòng)報(bào)警。

人臉身份認(rèn)證

• 金融行業(yè)。該領(lǐng)域的應(yīng)用比較多，包括刷臉登錄、遠(yuǎn)程人臉開戶、自助人臉開卡等等，最早大規(guī)模應(yīng)用人臉識(shí)別的是民生銀行，在 2014 年初開始布局人臉識(shí)別平臺(tái)，將人臉識(shí)別應(yīng)用于營(yíng)業(yè)廳、自助設(shè)備、柜臺(tái)系統(tǒng)以及移動(dòng)營(yíng)銷等。

這些是做身份認(rèn)證的輔助手段，以往無論是在何種應(yīng)用場(chǎng)景，身份認(rèn)證只有兩種模式：人工比對(duì)身份證和本人，容易出現(xiàn)比對(duì)標(biāo)準(zhǔn)不一致的情況;只認(rèn)證身份證，容易出現(xiàn)冒用、盜用他人身份證的問題。而人臉識(shí)別很好地解決了這些問題。

• 社保行業(yè)。比較典型的就是遠(yuǎn)程資格認(rèn)證，以往為了證明參保人員的生存狀態(tài)，需要工作人員實(shí)地進(jìn)行資格認(rèn)證，對(duì)于那些年齡大、出行不便和距離遠(yuǎn)的異地參保人員就特別不方便。

而人臉識(shí)別可以通過遠(yuǎn)程進(jìn)行人臉身份認(rèn)證，不過為了防止照片作假，一般會(huì)加入活體檢測(cè)的環(huán)節(jié)。

• 教育行業(yè)。主要是高考、成人考試、人事考試等，借助指紋識(shí)別、人臉識(shí)別等生物識(shí)別技術(shù)確認(rèn)考生身份，可以確保人證合一，保證考試的公平性。

人臉識(shí)別仍存在安全隱患

人臉識(shí)別并不萬能，技術(shù)的背后仍存在風(fēng)險(xiǎn)和漏洞，比如仿真頭套、全息投影、人臉跟蹤等的不斷出現(xiàn)，單一的人臉識(shí)別技術(shù)存在很大的局限性，安全系數(shù)和科技成分并不成正比。

因此，在涉及隱私、支付等高級(jí)別安全場(chǎng)景使用時(shí)，一定注意將人臉與聲紋、指紋、虹膜及其他生物認(rèn)證信號(hào)相融合，而不是單一的采用人臉識(shí)別技術(shù)，這樣安全的系數(shù)就會(huì)大大提升。

參考資料：

[1]Park U, Tong Y, Jain A K. Age-invariant face recognition[J]. IEEEtransactions on pattern analysis and machine intelligence, 2010, 32(5):947-954.

[2]Wen Y, Li Z, Qiao Y. Latent factor guided convolutional neural networks forage- invariant face recognition[C]//Proceedings of the IEEE Conference onComputer Vision and Pattern Recognition. 2016: 4893-4901.

[[195175]]

李季

CloudIn云英產(chǎn)品經(jīng)理 

澳大利亞 University of Wollongong 計(jì)算機(jī)系碩士，曾在計(jì)算機(jī)世界、長(zhǎng)河網(wǎng)信等公司出任產(chǎn)品經(jīng)理和運(yùn)營(yíng)經(jīng)理，有 8 年產(chǎn)品經(jīng)驗(yàn)，現(xiàn)就職于北京云英傳奇技術(shù)有限公司任大數(shù)據(jù)產(chǎn)品經(jīng)理。在深度學(xué)習(xí)和機(jī)器視覺領(lǐng)域主導(dǎo)過公安和網(wǎng)信辦相關(guān)的多個(gè)項(xiàng)目，希望通過人工智能技術(shù)為社會(huì)創(chuàng)造更多價(jià)值。

【51CTO原創(chuàng)稿件，合作站點(diǎn)轉(zhuǎn)載請(qǐng)注明原文作者和出處為51CTO.com】