三大必备环节助力人脸识别快速精准

2008年北京奥运会将人脸识别技术用于安防，这成为人脸识别发展的一个标志性事件，2012年后，人脸识别技术的应用更是呈现出爆发式增长，近年来已应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗等众多领域。

　　但是，我们真的要进入人脸识别时代了吗？或许这还没有人们想象中的那样快。轨道交通视频与安全联盟名誉理事长、原铁道部运输局视频业务主管领导田裳指出，技术（算法）、设备与环境是人脸识别应用三个缺一不可的环节。

　　人脸识别如何更快更准

　　算法的三大进步

　　在迈向这个时代前，人脸识别在算法上已经取得了三大进步。近日，生物识别产业技术创新联盟和轨道交通视频与安全联盟在中国科学院自动化所联合召开了2015人脸识别技术与行业应用研讨会。

　　据生物识别产业技术创新战略联盟副理事长、清华大学教授苏光大介绍，目前基于最佳二维人脸理论的单人单张人脸识别算法已经趋于成熟，基于单人多张人脸识别的算法却方兴未艾。在应用深度学习的人脸识别技术上已经实现了一大进步。香港中文大学采用深度学习方法在LFW（LabeledFacesintheWild）人脸库上的识别率达到了99.15%。

　　第二个进步则是单张人脸图像的三维人脸重建，对视频监控下的动态识别贡献尤其大。因为人脸形状特征点提取技术的提高，使得三维人脸识别技术有了很大进步。此前，有的动态人脸识别系统对于获取的人脸图像要求是左右角度不超过15度，两眼间距大于30像素，但是大部分视频监控的人脸分辨率低于30像素，安保系统识别困难。第三个进步则是对这些超低分辨率人脸图像的重建与识别技术取得了一定进展。

　　在2014年美国国家标准技术局会举办的权威人脸识别技术供应商测评（FRVT）中，对平均人脸分辨率为67像素的VISA出入境申请照测试集进行测试，2万库的首选识别率排名最高的前三家公司是日本电气（NEC）、法国赛峰和日本东芝，识别率分别为98.3%、93.9%和91.8%。

　　苏光大认为，这已经是国际最先进水平，但是在国内某千万级的辨识系统招标中，要求首选识别率要达到95%就很难实现。“在2万库中最先进的水平是如此，在千万级的水平上，识别率只会线性下降，再加上我国身份证有效期限比较长，容貌在此期间改变较大，怎么能达到95%？这不是逼着厂商去做假？过高的要求在现阶段是不切实际的。”他强调。

　　苏光大认为，当前人脸识别技术面临的主要挑战在于：大姿态角（大于30度）、超低分辨率（人脸分辨率小于30像素）、大年龄跨度（5年以上）和深度学习人脸识别的广泛应用上。

　　受制于设备和环境的动态识别

　　这或许不能责怪人们对人脸识别的期望值过高。2011年各铁路局建设了安检门系统，为人脸识别系统建设提供了基本的硬件条件，有些车站开始陆续上马人脸识别系统。田裳透露，此前铁道部在与NEC等人脸识别设备提供商接触时，大家都对视频动态的人脸识别表示出强烈的信心。但是，2013年在进行人脸识别的视频测试时，测试结果却“辜负”了期望。

　　轨道交通视频与安全产业技术联盟参与了这次测试，测试结果在该研讨会上进行了发布。据该联盟参与测试的研究人员杨柳介绍，根据摄像机角度、光线、目标正面图像在视频中的滞留时间、目标同时出现的数量等把从测试车站获得的视频分成了A、B、C三类视频，其中A类视频能达到车站人脸识别的要求。但是，杨柳等人发现，即使是条件比较好的北京各大车站，也只有北京南站少数几个摄像头录制的视频能够达到A类视频标准。