一文读懂人脸识别的前世今生

发布时间:2019-07-30

从古至今

人脸都是进行身份辨识的重要方式

在古代

政府通过发布“海捕文书”

利用人员的画像、涉案信息等

实现对人员的发现、举报、抓捕


而近年来

随着人脸识别技术的飞速发展

刷脸支付、刷脸门禁、刷脸登机等应用的兴起

更是掀起了一股“刷脸”热潮

“刷脸时代”正大步流星地向我们走来

那么,人脸识别的原理是什么呢?

其实机器本来并不擅长识别人脸

比如这位五官立体的大叔

在机器眼里

也只是一串0和1组成的数据

它并不理解这个图像有什么含义

所以,想要让机器学会认识图像

需要我们给它编写程序算法

所谓长相

很大程度上取决于人的脑袋和五官的形状

当我们描述一个人的长相的时候

大多数会用到类似这样的词汇

比如瓜子脸、柳叶眼、蒜头鼻、樱桃嘴


最早的人脸识别就是采用这样的方法

首先,机器会在图像中识别出脸所在的位置

然后描绘出这张脸上的五官轮廓

获得人脸上五官的形状和位置信息

比如两只眼睛之间的距离

鼻尖嘴角连线在水平方向上的角度等等


这样,就可以通过这些数据

判断这张脸是不是已知的某张脸

或者直接在数据库中找出这是哪张脸

但是这种方法获得的特征数据比较少

结果也并不是特别准确

现在已有更准确的算法对图像进行处理和比较了

比如,一些算法不再是从图像上找点连线

而是直接对比两张脸的图像

这样就相当于更全面细致地

获取更多的特征信息


而针对不法分子利用照片识别的漏洞

还可通过加装3D传感器、红外摄像头等设备

来精准感知摄像头前的

到底是一个冷冰冰的平面图像

还是一张有温度的立体的脸


So~ 当技术的进步达到一定程度时

“刷脸”不再是网络里用于调侃的词汇

而是成为了现实场景

在2012年前

市场上已经出现了人脸识别在单“点”上的应用

比如考勤机、门禁机等

可以解决一些生活中的问题或带来一些便利

而人脸识别应用实现从“点”到“面”的飞跃

很大程度上

则归功于计算机人脸识别与人眼识别的博弈

在这短暂的3、5年内

人脸识别准确率已大幅提升至99%以上

全面赶超了人眼

这也意味着“刷脸时代”开始兴起

交通枢纽、社区、泛园区、商业地产、大型活动等场景

均实现了人脸识别技术的规模化商业落地

人脸识别不再停留于单“点”的应用上

而是开始进入到复杂场景

从面的维度去解决场景闭环的问题


那么,接下来

人脸识别应用会怎么走?

靠算法的不断提升吗?

虽然基于深度学习的算法精度会无限逼近100%

然而,相比于技术在这最后零点几的艰难提升

如何实现人脸识别全场景的商业化落地

则是更值得深入探索的问题


在未来几年

随着应用场景的不断丰富

人脸识别落地将演进到全连接的状态

不仅仅局限于在某一个地方、某一个场景

而是在整个社会生活的全生命周期里

人脸将作为唯一的ID

打通各个场景,实现全连接


作为12年就已入局AI的元老级企业

在人脸识别这条道路上

瑞为不仅达到了技术领先、找到了场景

还实现了把技术转化为产品应用到场景

并根据对客户行业的深刻理解

持续改进产品和解决方案

在智慧零售、智能车载、智能安防、智能家电等领域

真正给客户带来了丰富的场景化价值

基于人脸识别技术

实现全场景的“One ID”连接

最终实现“One Face,One ID,One World”

是瑞为对人脸识别技术商业化落地路径的最好诠释

道阻且长,行则将至

正走在场景化价值延伸路上的瑞为

仍将自信笃定,行稳致远