科技照亮未來：人臉識(shí)別終端

發(fā)布日期：2018-12-01 作者：速爾科技點(diǎn)擊：

談及“刷臉”大家都不陌生，百度，支付寶，京東很多公司已經(jīng)全面開啟了人臉識(shí)別的這種認(rèn)證和支付方式。

2015年馬云在德國(guó)漢諾威消費(fèi)電子、信息及通信博覽會(huì)開幕式上向包括德國(guó)總理默克爾和中國(guó)國(guó)務(wù)院副總理馬凱在內(nèi)的嘉賓，現(xiàn)場(chǎng)演示螞蟻金服的Smile to Pay掃臉技術(shù)，實(shí)現(xiàn)人臉識(shí)別支付。

背景.png

什么是人臉識(shí)別技術(shù)？

人臉識(shí)別，是計(jì)算機(jī)視覺里面的一個(gè)分支問題，應(yīng)該也是最難解決的問題。

車牌識(shí)別我們接觸的比較多，其實(shí)車牌與人臉識(shí)別的實(shí)現(xiàn)也是相同也有不同的。

人類通過眼睛獲得視覺信息，這些信息經(jīng)過大腦的處理被識(shí)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、

本，還是什么別的東西。

然而這項(xiàng)看似簡(jiǎn)單的任務(wù)，對(duì)機(jī)器來說卻并不那么容易實(shí)現(xiàn)。

對(duì)計(jì)算機(jī)來講，一幅圖像信息，無論是靜態(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(shù)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(shù)。

機(jī)器需要在這些數(shù)據(jù)中，找出某一部分?jǐn)?shù)據(jù)代表了何種概念：哪一部分?jǐn)?shù)據(jù)是水杯，哪一部分是書本，哪一部分是人臉。

AI深度學(xué)習(xí)助力人臉識(shí)別技術(shù)

定位到人臉之后的另外一個(gè)問題就是如何去區(qū)別你是不是你，計(jì)算機(jī)理解人臉不是一整張的人臉，而是將人臉的上一些特征比如單眼皮，高鼻梁，眼球顏色等劃分為某一個(gè)特征值。主流識(shí)別算法在特征值個(gè)數(shù)在5到100之間。

計(jì)算機(jī)將一張臉按照（特征1，特征2，特征3，特征4，特征5）這樣的模式存儲(chǔ)起來。但是這5種特征值和區(qū)分維度是沒辦法區(qū)分全球全球70億人臉的。

當(dāng)特征值和區(qū)分維度增加后特征空間的庫(kù)就變得巨大無比，傳統(tǒng)算法不足以計(jì)算，2012年基于神經(jīng)網(wǎng)絡(luò)算法的深度學(xué)習(xí)算法出現(xiàn)，使得人臉識(shí)別的效率和準(zhǔn)確率得到質(zhì)的飛躍。

人臉識(shí)別更便捷具安全性

我們常見的生物識(shí)別有指紋，虹膜，指靜脈等，但是指紋因?yàn)闀?huì)磨損，換季脫皮等印刷影響給用戶帶來不少的麻煩，再加之指紋可通過簡(jiǎn)易方式復(fù)制獲取后完成破解，安全性上并沒沒有想象中那么好。

目前主流的指紋硬件識(shí)別速度在1秒左右，但是最大的一個(gè)限制是需要人走近伸出手指才能識(shí)別，相比于在運(yùn)動(dòng)中靠近就開始識(shí)別的人年識(shí)別效率上低了不少。

timg (2).jpg