1
近日，支付寶也策劃了一次人機大戰(zhàn)，只不過這次比的是人臉識別。代表人類出戰(zhàn)的是人稱“鬼才之眼”的水哥王昱珩，他的對手是支付寶旗下的人工智能生物識別機器人“螞可”（Mark），他們的識別對象是數百名網紅，根據選定的網紅照片找出對應的網紅。
網紅的特征就是美地千篇一律，而這無疑增加了識別的難度。當然，這是對于人類選手而言，對于機器人“螞可”來說，面對網紅是否也會面臨臉盲的尷尬。
左為王昱珩，右邊工作人員手中機器為螞可
螞可由螞蟻金服生物識別技術小組與Face++合作研發(fā)。Face++市場負責人謝憶楠賽后接受媒體采訪時對人臉識別技術進行了簡單的解釋，即通過臉上不同關鍵點之間的距離，通過算法算出人臉在不同角度下關鍵點的變化。螞可每次識別都會從人臉上提取600多個關鍵點，進行交叉驗證和動態(tài)識別。
“算法的原理，簡單點是可以這么理解，就是計算各個關鍵點的距離關系等。在這個方法上，關鍵點的位置識別就非常的重要。關鍵點是通過深度學習而來的，其實也非常符合人臉的視覺分析能力，就算是同一張人臉，稍微偏移一點角度，關鍵點都完全不一樣。”某人臉識別從業(yè)者向雷鋒網表示。
人臉識別技術的關鍵在于通過不同臉部圖像上眼睛、眉毛、鼻子、嘴巴、臉頰輪廓特征關鍵點和面部表情網，找出彼此之間的關聯，最終判定這些圖像是否為同一個人。但是人臉是變化的，不同角度不同妝容都能影響特征關鍵點的抓取。
該從業(yè)者表示，如果只是簡單的化妝，僅改變一些色彩，是不會對識別結果有很大影響。 如果化妝太過度，以至于人眼都覺得化妝后變了樣，那機器也會產生誤差。
人臉識別最重要的是樣本庫，樣本庫的大小影響識別精準度。如果樣本庫中只有一個樣本，那么就是1:1的對比，精準度可以達到100%，但如果是1：N的對比， 就會難很多，N的數值越大，難度系數越高，同時需要巨大的運算性能支持。
雖然才幾個月大，但據螞蟻金服透露，螞可已經“閱人無數”，它識別過的人臉超過500萬張，“看”過的照片超過1.2億，人臉識別精度達到99.6%。
化妝對于機器來說，只要不是濃妝并不會大的影響人臉識別結果，那么面部特征重疊度很高的網紅臉，又會有怎樣的影響。
“這個難度應該叫人臉比對精度的準確性。這個精度要看兩個情況，1是算法水平，2是比對樣本的質量。
對于網紅比對來說，得看比對使用的注冊人臉是什么情況，比對輸入人臉是什么情況。比如他們拿一個網紅的童年照片，比如10歲的照片作為注冊人臉。 然后拿這個網紅的20歲的照片，作為輸入人臉。由于人臉成長過程，肌肉骨骼本身就有稍微的變化，所以要認出是同一個人，也就是相似度足夠高，難度是挺大的。 但目前的人臉比對技術可以滿足這個需求，就是跨年齡的比對。
另外就是PS 的情況。比如拿一個網紅素顏的人臉作為注冊人臉， 然后拿PS 后的照片作為輸入人臉，進行比對。 如果PS 只處理臉部的顏色，比如美白、锃亮，并不對形狀（骨骼形狀）進行處理的話，比對精度是非常高的。 但如果PS進行了類似削股，拉長的處理，那精度就會降低。
綜合以上兩個情況，就會得出比對精度跟跨年齡+PS程度，成反比。
其實螞可跟水哥的比賽，水哥是占優(yōu)勢的。因為對于水哥來說，他的注冊人臉是來自于現場網紅本人，水哥從人眼的各個角度，可以說是3D的將這個人臉注冊進人腦系統(tǒng)。而對于螞可來說，它可能只拿到幾張人臉作為注冊，可供分別的數據采集上，少于人類?！?span style="line-height: 1.8;">上述從業(yè)者表示。
在這場網紅臉識別的人機大戰(zhàn)中，水哥王昱珩以3:2的優(yōu)勢勝出。在前兩輪從上百張照片中找出隨機選出的到場網紅中，水哥王昱珩和螞可均全部選對。在螞可輸掉的第三場，從80張幼年照片中找出2名隨機選出的到場網紅，水哥王昱珩選對一人，螞可均未選對。由此可見，臉型的變化對于機器識別來說，難度系數更大。
華盛頓大學的研究團隊最近開發(fā)了一個有一百萬相冊圖片的數據集，圖片來自于全世界并且可公開提供創(chuàng)意共享許可證，代表著690572個獨特的個人。隨后他們考驗人臉識別團隊，讓他們下載數據庫然后觀察當必須區(qū)分有一百萬種可能性的匹配時他們算法的運行效率。
Google的臉部網絡在其中一項測試中展現出了非常高的性能，當面對更小的圖片集時，達到了近乎完美的精準度，在百萬人測試中精準度達到了75%。一個來自于俄羅斯N-TechLab的團隊在另一個測試中脫穎而出，降到73%。
同樣的，在這個測試中，從不同的年齡階段中識別出同一個人依然是最難以克服的問題。
其實精準度得看各家廠商的設定，還有各項業(yè)務的要求。1：1的認證上，一般都要達到99%以上的相似度，尤其是在金融領域。1：N，比較復雜，可以設置高準確率，但漏檢率會增加，一般也要求95%以上。雖然人臉識別離我們的生活還是有些遙遠，但是正在向我們走近。
“人臉識別從跟自己比對，到跟很多人比對，最終是為了服務快速簡便的ID識別的場景上。因為人臉放開了雙手，也同時脫離了手機、電腦等媒介。等于人臉就是你的隨時身份認證標志，可以作為身份、會員、甚至是貨幣的代替品。 在未來科技生活中，會有非常大的想象空間，你看阿里在支付寶里面的概念視頻演示，證明支付寶一直想借助人臉來打通人跟人、人跟系統(tǒng)的聯系。從電腦，到手提電腦，到智能手機，到穿戴智能，到生物認證。放到日常生活中，確實挺遠。但是在一些特殊的場景下，正在不斷的嘗試，比如招行的人臉取款，醫(yī)院的人臉掛號等。能真正服務我們生活，減輕我們的溝通成本的場景，應該會首先用起來?！鄙鲜鰪臉I(yè)者表示。
早在去年3月，馬云便在漢諾威消費電子、信息及通信博覽會（CeBIT）的開幕式上，向德國總理默克爾與中國副總理馬凱演示了螞蟻金服的Smile to Pay掃臉技術，為嘉賓從淘寶網上購買了1948年漢諾威紀念郵票。這次比賽雖然螞可輸了，但支付寶的目的其實也只是向外界展示其人臉識別技術。而這個比賽，其實并不能代表目前人臉識別與計算機性能的實際情況。螞可未來需要面對的是，不經意的人臉圖像，各種角度模糊眨眼動作的情況下，從千萬張數量級上識別出正確的身份，并且是實時識別的，這才是螞可以及阿里未來需要的人臉識別。當然，希望支付寶下次別讓螞可去識別網紅臉了，看得人尷尬癥都犯了。
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
