中国领先的IT技术网站
|
|

人脸识别有多牛?AIFR 技术分分钟让你变“明星”

人脸识别技术的细节多到数不清,工程技巧也是多种多样,但基本流程已成定式:当输入某张人物照,利用人脸检测技术找到人脸位置,在这基础之上对关键点,如眼睛、嘴巴等定位,之后经过一些几何、光学手段的校正等,提取人脸特征,进而做到人脸识别。

作者:李季、王雪燕来源:51CTO技术栈|2017-06-28 09:26

开发者大赛路演 | 12月16日,技术创新,北京不见不散


【51CTO.com原创稿件】近日,经常被类似“你最像哪位明星?”、“预测你未来的样子”、“看看你们的年龄差?”…..这样的一些基于脸部比对的照片刷屏。

图[1]

如图[1]是 “你最像哪位明星?”小应用制作出来的对比照,看到这个对比过程,你肯定比较好奇这背后用到了哪些技术,能想到的就是人脸识别、美颜。但具体细节就……下面是专业人士给出的正确姿势,给同样感兴趣的小伙伴们答疑解惑!

人脸识别技术的基本流程

当下,人脸识别技术的细节多到数不清,工程技巧也是多种多样,但基本流程已成定式:当输入某张人物照,利用人脸检测技术找到人脸位置,在这基础之上对关键点,如眼睛、嘴巴等定位,之后经过一些几何、光学手段的校正等,提取人脸特征,进而做到人脸识别。

各个公司间的差异在于关键提取的数量相,从几个点到近百点、以及各个环节在细节上的一些追求。

“你最像哪位明星?”这张图,图一到图二,用到的是人脸检测技术,基于一些算法,把人脸定位提取,也涉及到一小部分关键点的检测技术。这个过程中,如何识别出照片,在不同年龄段的面部图像是值得考究的点。

人脸识别中的年龄不变在学术界被称为 age-invariant face recognition(AIFR),AIFR 技术能够识别出同对象同龄段的脸部图像。

无视年龄变化,AIFR技术的应用

面部特征随着年龄的增长产生变化

人的面部特征随着年龄的增长会产生非常明显的变化。从图形学的角度来看,这种变化可以分为轮廓变化和纹理变化。

轮廓变化,指五官和脸型的空间位置和结构特征产生了变化。如婴儿的脸型普遍偏肥,轮廓平滑圆润;成年后,则发展成鹅蛋脸、国字脸和瓜子脸等更加丰富的脸型,五官也变得更为立体。

纹理变化,指人脸皮肤表面的肤质感产生了变化。婴儿皮肤圆润、细嫩、平滑,而成人皮肤则往往更加粗糙,多皱纹。

这些轮廓和纹理的变化,往往连人类自身也无法准确理解。今天得益于人工智能技术的发展,AIFR 技术已逐渐成熟。

AIFR技术的两大模型

目前,AIFR 技术方向繁杂,但总体上可分为生成模型和判别模型两种:

生成模型

生成模型的基本思想是假设人脸随年龄的变化过程具有一定规律,然后通过数学方法去求解变化规律本身。在洞悉规律后,算法即可通过某一年龄的面部特征,生成其他年龄的面部特征。

以图[1]为例,具体实现步骤为:

  • 分别抽取人脸轮廓特征 S 和纹理特征 T
  • 进行校正和均化
  • 对面部特征分别建立数学模型并求解模型参数,获得生成模型
  • 输入待预测人的面部特征
  • 使用生成模型预测此人其他年龄的面部特征
  • 将轮廓特征和纹理特征重新合并
  • 与实际未来面部进行对比,即可知道是否为同一人或是相似的人

判别模型

判别模型与生成模型不同,判别类模型不寻求解决人脸的变化规律问题。判别模型假设有一部分人脸特征是不随年龄而产生变化的,使用这类年龄无关的特征去判断人脸的身份。

图[2]

图[2]显示了深度学习技术实现了非龄特征的抽取。

第一列是同一个人在不同年龄的照片 S1,S2,S3

通过卷积神经网络,系统使用固定的特征脸组合 S' 来代表原图

例如:

特征脸组合再进入如隐藏因子分析器后,只选择了最接近这张特征脸的组合。

例如:

可以看出,第三列人脸相似度已经非常高了。

刷脸时代来了:人脸识别技术的典型应用

除了上面提到的小应用,现在人脸识别的用途越来越广,各行各业都在尝试用人脸识别提升客户体验、优化服务水平,不过总结起来主要有两大类:人脸身份识别和人脸身份认证

二者表面看起来比较接近,但它们的技术原理并不相同:人脸身份识别是从一堆人里识别出你是谁,人脸身份认证是确认你是不是本人。比较典型的应用如下:

人脸身份识别

  • VIP人脸识别。这个应用可以自动在人群中捕捉 VIP 客户,并识别出其身份,同时可以语音欢迎并经后台通知相关工作人员;
  • 人脸黑名单。这个应用可以在重点通道设置人脸黑名单,自动识别重点嫌疑人等,一旦发现即可自动报警。

人脸身份认证

  • 金融行业。该领域的应用比较多,包括刷脸登录、远程人脸开户、自助人脸开卡等等,最早大规模应用人脸识别的是民生银行,在 2014 年初开始布局人脸识别平台,将人脸识别应用于营业厅、自助设备、柜台系统以及移动营销等。

这些是做身份认证的辅助手段,以往无论是在何种应用场景,身份认证只有两种模式:人工比对身份证和本人,容易出现比对标准不一致的情况;只认证身份证,容易出现冒用、盗用他人身份证的问题。而人脸识别很好地解决了这些问题。

  • 社保行业。比较典型的就是远程资格认证,以往为了证明参保人员的生存状态,需要工作人员实地进行资格认证,对于那些年龄大、出行不便和距离远的异地参保人员就特别不方便。

而人脸识别可以通过远程进行人脸身份认证,不过为了防止照片作假,一般会加入活体检测的环节。

  • 教育行业。主要是高考、成人考试、人事考试等,借助指纹识别、人脸识别等生物识别技术确认考生身份,可以确保人证合一,保证考试的公平性。

人脸识别仍存在安全隐患

人脸识别并不万能,技术的背后仍存在风险和漏洞,比如仿真头套、全息投影、人脸跟踪等的不断出现,单一的人脸识别技术存在很大的局限性,安全系数和科技成分并不成正比。

因此,在涉及隐私、支付等高级别安全场景使用时,一定注意将人脸与声纹、指纹、虹膜及其他生物认证信号相融合,而不是单一的采用人脸识别技术,这样安全的系数就会大大提升。

参考资料:

[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.

李季

CloudIn云英产品经理

澳大利亚 University of Wollongong 计算机系硕士,曾在计算机世界、长河网信等公司出任产品经理和运营经理,有 8 年产品经验,现就职于北京云英传奇技术有限公司任大数据产品经理。在深度学习和机器视觉领域主导过公安和网信办相关的多个项目,希望通过人工智能技术为社会创造更多价值。

【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】

【编辑推荐】

  1. 我是如何用机器学习技术帮助HR省时间的
  2. 大规模机器学习的编程技术、计算模型以及Xgboost和MXNet案例
  3. 智慧社区有多“智慧”?解读智能化背后的技术应用
  4. 挨踢部落技术门诊第六期
  5. 无人车技术面临八大挑战:反应慢的人类司机、恶劣天气、黑客……
【责任编辑:武晓燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢
24H热文
一周话题
本月最赞

读 书 +更多

Eclipse从入门到精通(第2版)

本书为《Eclipse从入门到精通》一书的全新改版。本书以最新的Eclipse 3.2作为写作版本。全书分为5篇:起步篇介绍了Eclipse及相关插件的安装...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊