人臉識別技術(shù)原理解析

　　你還記得電影里的這些情節嗎？《變形金剛2》中，年輕的男主角和他的小伙伴們過(guò)關(guān)卡時(shí)，雖然騙過(guò)了值班軍人，卻被軍方的人臉識別技術(shù)發(fā)現。2014年翻拍版的《機械戰警》中，機械戰警第一次面對大眾公開(kāi)亮相，就在人群中不停地掃描所有人臉，同時(shí)將獲取的人臉在通緝犯資料庫中作比對，瞬間就發(fā)現看熱鬧的人群中有一個(gè)逃逸多年的通緝犯，并將其制服。其他還有許多電影中，但凡是美國的機要部門(mén)，進(jìn)門(mén)就要掃描各種生物特征，從早年電影中的指紋、虹膜，到現在的人臉。

　　人臉識別到底是什么？

　　人臉識別，是視覺(jué)模式識別的一個(gè)細分問(wèn)題，也大概是最難解決的一個(gè)問(wèn)題。 其實(shí)我們人每時(shí)每刻都在進(jìn)行視覺(jué)模式識別，我們通過(guò)眼睛獲得視覺(jué)信息，這些信息經(jīng)過(guò)大腦的處理被識別為有意義的概念。于是我們知道了放在我們面前的是水杯、書(shū)本，還是什么別的東西。

　　我們也無(wú)時(shí)無(wú)刻不在進(jìn)行人臉識別，我們每天生活中遇到無(wú)數的人，從中認出那些熟人，和他們打招呼，打交道，忽略其他的陌生人。甚至躲開(kāi)那些我們欠了錢(qián)還暫時(shí)還不上的人。

　　然而這項看似簡(jiǎn)單的任務(wù)，對機器來(lái)說(shuō)卻并不那么容易實(shí)現。

　　對計算機來(lái)講，一幅圖像信息，無(wú)論是靜態(tài)的圖片，還是動(dòng)態(tài)視頻中的一幀，都是一個(gè)由眾多像素點(diǎn)組成的矩陣。比如一個(gè)1080p的數字圖像，是一個(gè)由1980*1080個(gè)像素點(diǎn)組成矩陣，每個(gè)像素點(diǎn)，如果是8bit的rgb格式，則是3個(gè)取值在0-255的數。

　　機器需要在這些數據中，找出某一部分數據代表了何種概念：哪一部分數據是水杯，哪一部分是書(shū)本，哪一部分是人臉，這是視覺(jué)模式識別中的粗分類(lèi)問(wèn)題。

　　而人臉識別，需要在所有機器認為是人臉的那部分數據中，區分這個(gè)人臉屬于誰(shuí)，這是個(gè)細分類(lèi)問(wèn)題。

　　人臉可以分為多少類(lèi)呢？

　　取決于所處理問(wèn)題的人臉庫大小，人臉庫中有多少目標人臉，就需要機器進(jìn)行相應數量的細分類(lèi)。如果想要機器認出每個(gè)他看到的人，則這世界上有多少人，人臉就可以分為多少類(lèi)，而這些類(lèi)別之間的區別是非常細微的。由此可見(jiàn)人臉識別問(wèn)題的難度。

　　更不要提，這件事還要受到光照，角度，人臉部的裝飾物等各種因素的影響。這也不難解釋為什么人臉識別技術(shù)目前還沒(méi)有大量應用在日常生活中，大部分人只能在科幻電影中接觸人臉識別了。

　　傻傻分不清楚——一些容易被混淆的概念

　　一些不太被人熟悉的事物，經(jīng)常會(huì )伴隨著(zhù)大量的概念混淆。

　　比如對西方宗教不太了解的國人，可能搞不清楚為什么有些人信上帝但不信耶穌；都是在教堂工作的大叔，為什么有些要禁欲，有些卻能結婚。

　　而人臉識別作為一個(gè)新事物，也伴隨著(zhù)大量的概念混淆，而分清這些概念，對于理解人臉識別還是比較重要的。

　人臉檢測與人臉識別

　　完成人臉識別的工作，要經(jīng)過(guò)幾個(gè)步驟。首先計算機需要在圖像或視頻中找到人臉的位置，這部分工作一般叫做人臉檢測。如前所述，這是一種粗分類(lèi)，具體到人臉檢測中，實(shí)際上是二分類(lèi)，計算機只需要判斷目標圖像是或者不是人臉。但由于并不能事先確定人臉的大小和位置，計算機需要以每個(gè)可能的人臉大小對全圖進(jìn)行掃描，逐個(gè)判斷子窗口所截取的圖像是否為人臉。而每次掃描過(guò)程，子窗口移動(dòng)的步長(cháng)可能是幾個(gè)像素。

　　所以你可以大致想象下，作一張圖的人臉檢測，計算機需要作多少次二分類(lèi)判斷。

　　人臉檢測步驟從一張圖中獲得人臉的位置和大小，并將該部分圖像送給后續步驟，包括：人臉部件點(diǎn)定位，人臉圖像的對齊和歸一化，人臉圖像質(zhì)量選取，特征提取，特征比對。所有步驟完成后，才能得知該人臉的身份。

　　當然，我們也可以單獨使用人臉檢測功能來(lái)完成某些應用，比如當前大部分照相機，及手機攝像頭都有人臉檢測功能，可以自動(dòng)獲得人臉位置，從而對圖片作一些自動(dòng)調焦和優(yōu)化。甚至對人臉做一些初步的判斷，比如性別、年齡，甚至顏值。

　　1v1人臉驗證與1vN人臉查找

　　主人公通過(guò)各種方式，蒙混過(guò)層層身份驗證，成功進(jìn)入某機要部門(mén)，這是電影中經(jīng)常出現的情節。而這層層的身份驗證就經(jīng)常包括人臉識別。在這種應用中，使用者往往需要提供自己的身份。

　　比如使用門(mén)卡，計算機可以通過(guò)門(mén)卡在后臺中獲取門(mén)卡所有者的人臉樣本，將其與當前使用門(mén)卡人的人臉圖像進(jìn)行對比，以確認當前使用門(mén)卡的人與門(mén)卡的所有者是否匹配，如此可以避免撿到你門(mén)卡的人輕松混入公司。

　　這是一種1v1的身份驗證，計算機對當前人臉和庫存人臉進(jìn)行一次比對，是對其他驗證方式的一種輔助，從而提高身份驗證的可靠性。這種應用目前已經(jīng)大量使用，比如敏感設施的準入，互聯(lián)網(wǎng)金融領(lǐng)域的遠程開(kāi)戶(hù)及大額提取的身份驗證等。

　　文章開(kāi)始時(shí)提到的《機械戰警》中的橋段，則是1vN的人臉查找。機械戰警可以聯(lián)機查找一個(gè)保存了所有通緝犯數據的人臉庫，每次他遇到一個(gè)人，都會(huì )先獲取該人的人臉信息，用所獲得信息去通緝犯數據庫中去逐個(gè)比對，如果發(fā)現匹配度足夠高的，就當場(chǎng)抓捕。每次人臉識別，計算機要作n次人臉比對，n為待識別庫中的人臉模板數。

　　如果要求計算機只憑借人臉識別出一個(gè)人的身份，這實(shí)際上也是一種1vN的人臉查找，其目標人臉庫是一個(gè)由n個(gè)人臉組成的“熟人庫”，隨著(zhù)n的增大，準確識別的難度也會(huì )增大，一次識別所需要的計算時(shí)間也會(huì )增加。我們可以考慮一下，一個(gè)普通人能對多少個(gè)人臉進(jìn)行準確識別？大概也就在幾十個(gè)這個(gè)數量級上吧。

　　而目前最好的人臉識別技術(shù)實(shí)際上已經(jīng)超過(guò)了這個(gè)水平。

　　例如國內頂級的人臉識別公司，一般會(huì )有一面屏幕墻，演示公司各個(gè)攝像頭所拍攝到人員活動(dòng)，并對身份進(jìn)行準確識別，而公司內一般維護一個(gè)百人數量級的人臉庫。但如果N再繼續增大，達到千人庫，萬(wàn)人庫，那么實(shí)時(shí)查找唯一的匹配人臉就成為一種科幻要求了，在較大的人臉庫應用中，一般會(huì )降低對實(shí)時(shí)性的要求，并且只要求查出前m名非常匹配的疑似人臉，以便縮小人工檢索的范圍。