揭开人脸识别的神秘面纱

2019-10-28 04:24阚美娜何思谊山世光
知识就是力量 2019年10期
关键词:人脸识别人脸数值

阚美娜 何思谊 山世光

人脸识别“两步走”

人脸识别,就是让计算机像人用眼睛观察一样,通过摄像头拍摄人脸来判断看到的是谁。对计算机来说,这个“识别”过程包括两个阶段:首先要从拍摄的图像中找到“人脸”,这个过程叫作“人脸检测”;然后再与数据库中存储的人脸进行比对,从而判断检测到的人脸属于谁,这个过程叫作“人脸识别”。

人脸检测

人脸检测的任务是从图像中标注出每张人脸的具体位置和大小,一般用人脸矩形框(如人脸识别流程图中的绿色矩形框)四个顶点的坐标来标示。这对于人类来说似乎很简单(不过科学家们还不完全清楚人脑是怎么做到的),可对计算机来说却没有那么容易。因为在计算机内部,彩色图像是由一个挨一个的点(像素)组成的,每个像素通常由红(R)、绿(G)、蓝(B)三个颜色数值来表示。可想而知,直接通过这些数值的差异区分人脸和非人脸十分困难。因此,人工智能专家需要设计算法对这些数值进行处理,找到人脸区域与非人脸区域在这些数值中蕴藏的差异,从而区别人脸区域和非人脸区域,完成人脸检测。

人脸识别

检测出人脸后,就可以对这张脸的身份进行判断了。人脸识别通常有两种应用场景:一种是相对简单的1:1人脸验证,比如手机解锁就是将使用手机的人和手机里储存的“主人”照片进行比对;另一种是1:N人脸辨识,即将一张未知身份的人脸图像与数据库中所有的已知人脸图像进行比对,判断其是否是数据库中的某个人,如果是,则显示此人在数据库中的信息。

人脸识别是怎么走进你的生活的?

人脸识别技术始于20世纪70年代,但直到近几年才得到广泛应用,这是为什么呢?因为人脸识别最大的难点就是对人脸图像中的数值进行处理和分析,提取可以区分不同人的关键特征。

在201 4年之前,人脸识别专家一直都在尝试人工设计这样的特征。在2014年之前的十几年里,最为普遍的人脸识别方法是统计人脸局部区域(比如左眼区域)中出现某种“微模式”的程度或数量,这类特征一般被称为“局部特征”。这种方法在采集条件好、被识别人主动配合的情况下可以取得非常不错的效果,但在复杂多变的人脸识别场景中,正确率可能连90%都达不到。

2014年之后,得益于深度学习算法、强大GPU算力支撑和大规模人脸数据库这三大引擎的推动,人脸识别技术取得了跨越式的进步。深度学习算法的强大魅力在于人脸识别专家不需要再绞尽脑汁去自己定义“特征”,而只需要为深度学习算法准备好大量“食材”(照片),剩下的就交给深度学习算法自动完成。从此,人脸识别技术开始广泛应用于我们的生活中,比如视频侦查、嫌疑人追逃、考勤系统等。

人脸识别走向何方?

未来,人脸识别技术将向着“智能视频分析”发展,即对目标人脸进行分析、追踪。如果犯罪嫌疑人出现在摄像头中,一个个攝像头拍摄的视频将会联动起来,追踪嫌疑人的活动路径。另外,还有一个有趣的方向:“读心术”。中国科学院智能信息处理重点实验室研发的“表情识别”系统,能即时对捕捉到的人脸做18种面部动作单元的检测,从而判断此人的情绪、心理状态乃至精神状况。这项技术应用前景广泛,比如在教室,通过对面部表情分析判断你对课程的掌握程度,从而制订出最适合你的学习计划;在家里,让你拥有一个及时感知你喜怒哀乐的机器人朋友……

如同其他科学技术一样,人脸识别技术经过科学家们数十年的潜心钻研,终于厚积薄发,迎来了辉煌的发展,成为我们生活中不可或缺的一部分。未来,人脸识别技术还将以意想不到的方式继续影响我们的生活,让我们的生活更加便捷、安全。

猜你喜欢
人脸识别人脸数值
用固定数值计算
人脸识别 等
有特点的人脸
揭开人脸识别的神秘面纱
三国漫——人脸解锁
基于Fluent的GTAW数值模拟
基于类独立核稀疏表示的鲁棒人脸识别
马面部与人脸相似度惊人
基于K-L变换和平均近邻法的人脸识别
带凹腔支板的数值模拟