1
| 本文作者： 金紅 | 2016-07-04 22:39 |
近日，支付寶也策劃了一次人機(jī)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(jī)器人“螞可”（Mark），他們的識別對象是數(shù)百名網(wǎng)紅，根據(jù)選定的網(wǎng)紅照片找出對應(yīng)的網(wǎng)紅。
網(wǎng)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(dāng)然，這是對于人類選手而言，對于機(jī)器人“螞可”來說，面對網(wǎng)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(jī)器為螞可
螞可由螞蟻金服生物識別技術(shù)小組與Face++合作研發(fā)。Face++市場負(fù)責(zé)人謝憶楠賽后接受媒體采訪時對人臉識別技術(shù)進(jìn)行了簡單的解釋，即通過臉上不同關(guān)鍵點(diǎn)之間的距離，通過算法算出人臉在不同角度下關(guān)鍵點(diǎn)的變化。螞可每次識別都會從人臉上提取600多個關(guān)鍵點(diǎn)，進(jìn)行交叉驗(yàn)證和動態(tài)識別。
“算法的原理，簡單點(diǎn)是可以這么理解，就是計(jì)算各個關(guān)鍵點(diǎn)的距離關(guān)系等。在這個方法上，關(guān)鍵點(diǎn)的位置識別就非常的重要。關(guān)鍵點(diǎn)是通過深度學(xué)習(xí)而來的，其實(shí)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(diǎn)角度，關(guān)鍵點(diǎn)都完全不一樣?！蹦橙四樧R別從業(yè)者向雷鋒網(wǎng)表示。
人臉識別技術(shù)的關(guān)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(guān)鍵點(diǎn)和面部表情網(wǎng)，找出彼此之間的關(guān)聯(lián)，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(guān)鍵點(diǎn)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(jié)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(jī)器也會產(chǎn)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(zhǔn)度。如果樣本庫中只有一個樣本，那么就是1:1的對比，精準(zhǔn)度可以達(dá)到100%，但如果是1：N的對比， 就會難很多，N的數(shù)值越大，難度系數(shù)越高，同時需要巨大的運(yùn)算性能支持。
雖然才幾個月大，但據(jù)螞蟻金服透露，螞可已經(jīng)“閱人無數(shù)”，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(dá)到99.6%。
化妝對于機(jī)器來說，只要不是濃妝并不會大的影響人臉識別結(jié)果，那么面部特征重疊度很高的網(wǎng)紅臉，又會有怎樣的影響。
“這個難度應(yīng)該叫人臉比對精度的準(zhǔn)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(zhì)量。
對于網(wǎng)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(wǎng)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(wǎng)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(rèn)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(shù)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(wǎng)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(jìn)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(jìn)行處理的話，比對精度是非常高的。 但如果PS進(jìn)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(shí)螞可跟水哥的比賽，水哥是占優(yōu)勢的。因?yàn)閷τ谒鐏碚f，他的注冊人臉是來自于現(xiàn)場網(wǎng)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(jìn)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(shù)據(jù)采集上，少于人類。”上述從業(yè)者表示。
在這場網(wǎng)紅臉識別的人機(jī)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(jī)選出的到場網(wǎng)紅中，水哥王昱珩和螞可均全部選對。在螞可輸?shù)舻牡谌龍?，?0張幼年照片中找出2名隨機(jī)選出的到場網(wǎng)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(jī)器識別來說，難度系數(shù)更大。
華盛頓大學(xué)的研究團(tuán)隊(duì)最近開發(fā)了一個有一百萬相冊圖片的數(shù)據(jù)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(dú)特的個人。隨后他們考驗(yàn)人臉識別團(tuán)隊(duì)，讓他們下載數(shù)據(jù)庫然后觀察當(dāng)必須區(qū)分有一百萬種可能性的匹配時他們算法的運(yùn)行效率。
Google的臉部網(wǎng)絡(luò)在其中一項(xiàng)測試中展現(xiàn)出了非常高的性能，當(dāng)面對更小的圖片集時，達(dá)到了近乎完美的精準(zhǔn)度，在百萬人測試中精準(zhǔn)度達(dá)到了75%。一個來自于俄羅斯N-TechLab的團(tuán)隊(duì)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(shí)精準(zhǔn)度得看各家廠商的設(shè)定，還有各項(xiàng)業(yè)務(wù)的要求。1：1的認(rèn)證上，一般都要達(dá)到99%以上的相似度，尤其是在金融領(lǐng)域。1：N，比較復(fù)雜，可以設(shè)置高準(zhǔn)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(yuǎn)，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(wù)快速簡便的ID識別的場景上。因?yàn)槿四樂砰_了雙手，也同時脫離了手機(jī)、電腦等媒介。等于人臉就是你的隨時身份認(rèn)證標(biāo)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(lián)系。從電腦，到手提電腦，到智能手機(jī)，到穿戴智能，到生物認(rèn)證。放到日常生活中，確實(shí)挺遠(yuǎn)。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(wù)我們生活，減輕我們的溝通成本的場景，應(yīng)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(fèi)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(shù)，為嘉賓從淘寶網(wǎng)上購買了1948年漢諾威紀(jì)念郵票。這次比賽雖然螞可輸了，但支付寶的目的其實(shí)也只是向外界展示其人臉識別技術(shù)。而這個比賽，其實(shí)并不能代表目前人臉識別與計(jì)算機(jī)性能的實(shí)際情況。螞可未來需要面對的是，不經(jīng)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(shù)量級上識別出正確的身份，并且是實(shí)時識別的，這才是螞可以及阿里未來需要的人臉識別。當(dāng)然，希望支付寶下次別讓螞可去識別網(wǎng)紅臉了，看得人尷尬癥都犯了。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
