人脸识别之技术与实用

文/陈海檑 浙江大华技术股份有限公司产品经理 责任编辑/喻力

　　现阶段人脸识别

　　近年随着全球各大研究所、实验室的日夜兼程，人脸识别技术日益提高，识别率达到99%以上，从而演变出来的功能也种类繁多并应用到各个领域。而直接相关的安防、互联网及金融等领域更是迅速将技术产品化推向市场。一时间，人脸识别成为了各大行业的热点技术方向。据笔者统计，在2015年的中国国际社会公共安全博览会上，至少有20家企业展示了自家的人脸识别产品。其中既有钻研技术深度的尚汤、FACE++、依图这样的学术型厂家，也有笔者公司这样的大安防厂商。同时，众多媒体也接连报道了人脸识别技术在学术界和工业界取得的巨大成果：比如15年，中科奥森在LFW人脸识别数据集上取得了99.7%的识别率（见表1），与百度持平刷新了年初谷歌的记录;阿里巴巴集团执行主席马云在德国展会上演示了人脸识别与支付宝的结合应用，“刷脸支付”将走向生活;更有公安部门的多个案例，将科幻大片的情景带入我们的智慧城市中。

表1 在LFW无约束、有标注的室外照片集上的识别率结果

　　人脸识别技术深度

　　人脸识别技术已超人眼

　　在此之前，汤晓鸥的研究组开发了一个基于高斯过程的人脸识别技术GaussianFace （高斯脸），取得了98.52%的识别率。这也是计算机自动识别算法的识别率首次超过肉眼。

　　汤晓鸥的研究组在人脸识别领域有十几年的研究经历。他们从2011年开始开展深度学习方法的研究工作，在2013年达到了92.52%的识别率。过去一年，他们将这一数字提高到99.15%，2015年，汤晓鸥和王晓刚的研究组曾发布了一套基于深度学习的人脸识别算法，在LFW上取得了当时最高的97.45%的识别率。与此同时，Facebook发布了另一套基于深度学习的人脸识别算法DeepFace，在LFW上取得了97.35%的识别率。DeepFace需要700多万人脸数据作为训练。而DeepID仅使用了20万张人脸数据以及数台Nvidia K40 GPU。目前，汤晓鸥实验室的三个人脸识别算法占据了LFW识别率的前三名，而Facebook的DeepFace排在第四。

　　汤晓鸥认为，人脸识别领域还有大量的工作需要做，很多算法需要在实际应用中得到不断的改进和提高。他的实验室已经基于最新的技术突破制作出完整的一套人脸图像处理系统SDK，包括人脸检测，人脸关键点对准，人脸识别，表情识别，性别识别，年龄估计等各种基础技术包。

　　3D人脸识别技术

　　3D人脸识别技术是未来的另外一个方向。本文到目前为止所讨论的范畴限定在2D图像上。人脸实质上是一个立体模型，而2D人脸识别容易受到姿态、光照、表情等因素影响，是因为2D图像本身有一个缺陷，无法很好地表示深度信息。如果说深度学习是从人的认知角度来理解人脸识别，那么3D技术就是从现实模型来反映人脸识别。

　　目前关于3D人脸识别方向的算法研究并没有2D人脸识别技术那么丰富和深入。许多因素限制了这项技术的发展提升。首先，3D人脸识别往往需要特定的采集设备，如3D摄像机、红外双目或双目摄像机。目前这类采集设备价格还比较昂贵，技术还不能普遍应用，场景比较特定。其次，3D建模过程需要的计算量较大，对硬件要求较高，也限制了目前的应用。第三，3D人脸识别数据库比较稀少，研究者缺少训练样本和测试样本，无法开展更深入的理论研究。相信随着未来芯片技术和传感器的发展，当计算能力不再受到制约，3D采集设备成本大幅下降的时候，3D人脸识别将取得重要的突破。

　　人脸识别技术的应用

　　常见可行性应用

　　目前人脸识别技术的提高，促使各行各业都开始广泛试验引用这一技术(见表2)，在某些领域取得了一定的成效。

表2 人脸识别的应用领域

　　以公安应用为例，利用人脸检索系统，将目标人脸输入到系统中。系统自动在海量人口数据库中进行查找比对，列出前若干名相似的人员信息。然后再通过人工筛选的方式，对系统结果进行筛选，得到目标的真实身份。

　　公安行业还有一类比较重要的应用：人员布控。在一些重要的通道出入口，部署高清探头，专门用于抓拍经过的人脸并传送给后端系统。后端系统将人脸图片与所关注的人脸库(如在逃嫌疑犯等)进行逐一比对。当发现有目标与库中人员相似度超过设定阈值时，系统自动提示相关人员采取措施。

　　金融行业中的利用，将事先录入库中的身份信息的人脸图片作为依据，利用1:1对比的方式进行对比。刷卡，摄像机摄取人脸信息。只需2步即可完成身份认证，达到了刷脸取款的效果。当然目前看来，在当前的社会环境前提下，人脸识别的方式以辅助取款的模式存在，用于提高取款安全性的利用更为恰当。在不久的将来，技术及社会环境更加合适的时候可直接利用。

　　而同样在一些机场，海关，港口，车站等公共场所，合理利用1:1人脸识别功能，加以适当的人为干预，可以很好的提高效率，节省社会成本。

　　限制性条件的影响

　　虽然人脸识别技术功用巨大，但在实际应用中，我们往往会遇到很多问题。人脸图像质量对识别率的影响较高。图像质量差，辨识度低，有效特征很少，有时即使用肉眼也很难确认身份。图像质量又受多种因素影响，如光照、姿态、表情、人脸尺寸、清晰度等。图3是同一个人在不同光照下的图片，很直观地可以看出，即使是同一个人，在不同光照下用肉眼也很难辨别。所以说，目前的人脸识别系统只能在一些较规范的环境下进行，如满足光线均匀，人脸需要正对着摄像机、保证人脸在画面中有一定的像素宽度等条件。但是在实际的安防监控场合中，这些限制条件却很难满足。

图3  同一个人在不同光照下的图片

　　第二个问题是随着人脸数据库规模的不断扩大，识别率也会随之下降。传统的人脸识别算法在训练阶段能够利用的数据样本有限，训练出来的算法模型并没有特别好的泛化能力。特别是在百万、千万级的人脸检索任务中，结果并不理想。所以，控制数据库规模可以直接影响应用的识别结果。例如，前文表1中的某家企业曾做过一项有趣的测试，其开发的Face++算法曾在LFW数据集上达到99.5%的准确率，但是在一个真实的安防认证应用中，他们发现，处理真实场景的人脸识别时，机器与人还存在非常明显的差距。他们在一个百万级的中国人群测试集上进行测试，当错误接受率(FAR)设定在1e-5时，识别准确率仅为66%，这样的性能显然无法满足安防认证应用的需求。而对其中错判的样例进行人工测试识别时发现，90%的错判结果都可以被人准确判断。也许换一种思路，将机器识别和人工确认相结合，对于现在的许多应用来说更加妥当。

　　对于公安实例中，抛去车站，机场，安检，出入口这些可通过管理限制来满足环境需求的点外，其他事故高发地则很难布控。例如人员聚集的广场，人烟稀少的野外。往往会成为犯罪分子活动的不二选择，但是环境因素为他们提供有效的盲点跟死角，能轻易避开。这样就很难有效的利用人脸识别中的技术。

　　行业标准也在日益完善

　　为了规范行业应用，国家和行业相关标准委员会也做了很多努力。相关部门已经制订并发布了五项人脸识别标准，分别是《GA/T 922.2-2011 安防人脸识别应用系统 第2部分：人脸图像数据》、《GA/T 1093-2013 出入口控制人脸识别系统技术要求》、《GA/T 1126-2013 近红外人脸识别设备技术要求》、《GA/T 1212-2014 安防人脸识别应用防假体攻击测试方法》和《GB/T 31488-2015 安全防范视频监控人脸识别系统技术要求》。这些标准有利于统一测试标准和应用场景，得到对相关产品的准确评价，进而规范市场环境，变无序为有序，这无论是对厂商还是用户来说都有着非常重要的意义。

　　人脸识别技术理性回归实际

　　在城市治安监控中，虽然对人脸识别的需求很大，但是到目前为止，从技术上还达不到在治安画面中实现识别的水平。原因主要有三点：一是治安监控看的往往是整体切面，即使在没有遮挡的情况下，人脸在图像中不够清晰，像素点达不到识别要求;二是治安监控是由高往下看，这种角度下，与正面的平面图像相貌相差较大;三是光照影响，在露天环境下，常常因为背光使得人脸发黑，无法辨别，或者局部发黑，形成阴阳脸，这也极大的影响识别的效果。因此，在治安监控环境下，进行人脸识别是目前还难以克服的。

　　但是，也有不少项目中使用了该技术，在交通枢纽的安检口，如飞机安检口、火车站安检口进行人脸识别的试点，把过往乘客的抓拍照片与在逃库进行比对，希望达到追逃的效果。在安检处设立人脸抓拍机正好弥补了一般治安监控的不足：专机专用，保证脸部图像的像素;角度相对较低，容易拍到人脸的正面图像;在室内，无光照变化影响，同时光源分布均匀，无阴阳脸的现象。虽然在成像上克服了治安监控的不足，但是笔者认为这样的应用还是难以大面积的推广，原因有：职责不清——交通枢纽站的职责是保持上下客的次序，抓逃不是其工作内容，这些职能部门确实也不应该去做抓逃的事，除非有硬性规定;风险大于收益——人脸识别只是返回一个相识度比较结果，对于其身份并无确认能力，而13亿中国人中相貌类似的很多，误判的可能性很大，结果没抓到正确的人反而引来旅客的投诉就不划算了;容易伪装——有心躲避的逃犯通过粘贴假胡子、带墨镜等伪装可以很容易骗过机器的识别。

　　那么，是否人脸识别技术在平安城市中就没有用武之地了呢?答案是否定的。移动终端与云计算的兴起给了人脸识别一个打翻身战的好机会。

　　前面说到的治安应用与交通枢纽的应用都是非接触式，这些都受制于识别的条件与效果。但如果民警要求嫌疑人摆正位置，用手机或其他终端对其人像进行拍摄，并把人脸图片传回到数据中心进行身份识别，这样的准确率是很高的，而且业务上也有这样的需求，如民警进行外来人口聚集地排查，当对方不提供身份证时，可用类似的方法确认其身份;另外，对于一些没有身份证信息的尸体，只要面部特征完好，也可以用类似的方法快速确认其身份。由于身份证库巨大，在真正实施中，还需要应用到云计算的技术进行分布式处理。

　　总结语

　　近年来安防行业的迅速发展，为人脸识别技术的应用带来了挑战，也提高了大众的关注度可使这一技术更好更快的研究发展。有业内人士指出，智能视频分析将是大安防市场未来的发展方向之一。而人脸识别是其中非常重要的技术和应用。充分将人脸技术与实际应用做深度结合，达成更加可行性的方案。加上国家和行业标准正逐步地建立与实施。在标准的引导下，人脸识别产品和技术迎来新一轮的转变与提升也会是必然发展方向。