人工智能抓住每一张脸，但要准确判断和识别出还是有困难(图)

2014年的人工智能很忙，备受万家宠爱。谷歌、Facebook、百度、微软等巨头以及无数风险投资人任性得大把大把砸钱其中，让无数创业公司为之兴奋不已，纷纷投入研究人工智能的各个领域。

　　2014年的人工智能很忙，备受万家宠爱。谷歌、Facebook、百度、微软等巨头以及无数风险投资人任性得大把大把砸钱其中，让无数创业公司为之兴奋不已，纷纷投入研究人工智能的各个领域。

　　在行人匆匆的人海中，架设在通道的摄像头，精确扫描所有出现的人脸，判断出相应信息，诸如可疑人物还是普通民众，准确找到目标对象，所有个人信息都一一列出，并一路跟踪和绘制他的行动轨迹，甚至还可以提前判断他是否是犯罪者，这是热播美剧《疑犯追踪》描述的场景，让人惊叹、兴奋的同时，又因为隐私的暴露而颤栗。

　　现实生活中，摄像头里的人脸识别还不能做到这一点，但是已经开始在各个领域应用，包括商用领域，诸如客流统计、银行保险身份验证、智能美颜等。

　　但是应用最广的还是安防领域，如出入管理、刑侦管理、户口排查、人口密度分析等等。比如北京奥运会，就使用人脸识别来反恐和出入管理，又比如在机场的自助通关处，也使用人脸识别进行判断。对于警方来说，人脸识别是协助其破案的一个重要工具，当案件发生时，传统用人的肉眼来看大量视频，有很大的局限性，即使火眼金睛，肉眼都会疲劳。而如果选择机器，只要不断电，系统就能一直运作下去，而且，更为客观的判断，对于识别具有更大的优势。

　　但是我们也可以看到目前的技术局限，在一对一的场景下，如果不是整容，一个比较成熟的算法可以基本保证对比成功率，因此在诸如银行、保险的身份验证下，这个应用也比较常用。但是之所以说对比成功率基本保证，而不是绝对，原因在于人脸是会随着年龄增长而变化的，而证件照只是某个时期的，因此人脸识别厂商必须要提供一个有自适应、自我学习的算法，能够接受人脸的变化，而准确判断是否本人。特别是当互联网银行发展起来时，通过网络的远程处理，必须要实现正确率，否则放错贷款，不仅引起纠纷，更重要的是还影响信誉度。

　　但是对于庞大人脸信息场景下，要想准确判断和识别出人脸，还要和后台几十万的黑名单人脸库进行比对，就是更大的困难了。比如说漏脸率以及误报率问题。

　　“漏脸”，指的是遗漏掉人脸，比如经过100个人，但是你只能抓拍到50张人脸，那么剩下50张就是漏脸。

　　“误报”即指错误识别，包括将普通民众误报为犯罪分子，或者将没识别出犯罪分子，让对方逃脱等。

　　以地铁为例，人潮拥挤，而且，即使进出口的时候，每个人的移动速度都非常快，基本除了等车时间都是不停留的。不仅如此，每个人的姿态也是不一样的，比如手机党，永远低着头看手机，因此在这里的环境下，即使架设无数多的摄像头，如果没有一个好的人脸识别算法在后台运行，摄像头也只能要么只是拍摄，要么就是漏了一堆的脸，根本无法处理这样的大量数据。

　　那么，问题来了，是怎么才能满足安防需求呢？

　　对于动态视频的人脸抓拍， 诸如RecoFace的这些算法能够降低对人脸像素的要求，最低可以抓拍15像素瞳距的人脸，这一点可以提高人脸被抓拍到的几率，同时减少服务器的存储，保证系统的运行；同时，算法需模拟人眼的识别，对同一人进行多角度快速抓拍，利用三维建模，尽可能的还原出正脸信息，为后台的比对提供有利条件；后台比对速度也是决定人脸在动态视频是否可以顺畅运行的重要标准，前台抓拍，后台比对，只有两者优秀的协同工作才能实现最佳的效果，诸如单机千万次/秒的比对速度。

　　但，对于口罩、大墨镜这些遮挡物，人脸识别还是受到了限制，因为它不具有人脑这样的思考能力，因此没办法去做判断，因此，人脸识别还需结合头、肩、躯干、姿态等进行多方的拟人研究，从而降低遮挡物的限制，提高判断的精准。但是如果当一天，技术发展到一个能够突破障碍的时候，让犯罪者无所遁形的同时，普通民众的隐私要如何保护呢？不过，或许到那一天，又有什么新鲜的技术冒出来保护隐私了。

　　作者：恰似少年