深度學(xué)習(xí)技術(shù)的進步,帶動了人臉識別應(yīng)用爆發(fā)式增長。目前人臉識別的應(yīng)用場景可以分為人臉認(rèn)證和人臉鑒別兩種。
1.人臉認(rèn)證:即證明你是你
典型的應(yīng)用是1:1人證合一系統(tǒng),將現(xiàn)場采集的用戶人臉與證件對應(yīng)的人臉照片進行比對,以驗證是否為合法持有人。以目前zui常用的二代*卡內(nèi)照片(照片只有102*126像素,壓縮成1K字節(jié)存儲,很多人存在較大的年齡跨度)vs用戶配合現(xiàn)場照為例,大華采用深度學(xué)習(xí)的人臉識別算法在誤報率低于十萬分之一的情況下,通過率超過98%。深度學(xué)習(xí)算法人臉認(rèn)證問題上的準(zhǔn)確率已經(jīng)超越人類平均辨識水平,因此已經(jīng)廣泛應(yīng)用于金融機構(gòu)遠(yuǎn)程開戶、高鐵機場安檢、考場入場等需要進行身份確認(rèn)的場景。
2.人臉鑒別: 可以分為靜態(tài)比對與動態(tài)比對
靜態(tài)比對,一般為閉集,即認(rèn)為測試人存在于注冊庫中,以前1或者前N識別準(zhǔn)確率作為評價指標(biāo)。典型的應(yīng)用是(*/走失人口等)身份確認(rèn)——使用測試人配合條件下采集到的高清照片在大規(guī)模注冊庫(逃犯庫、常住人口庫等)中進行檢索。目前在別的注冊庫規(guī)模上,大華的深度學(xué)習(xí)算法識別率達到90%以上,已經(jīng)取得了很多實戰(zhàn)成功案例。除了準(zhǔn)確率的提升之外,深度學(xué)習(xí)的另一大優(yōu)勢是學(xué)習(xí)到的特征非常簡潔(一般為幾百維,可以在基本保持準(zhǔn)確率的前提下進一步進行量化壓縮),大規(guī)模人臉檢索的速度也得到了很大提升,底庫一般可以在秒級甚至更少時間內(nèi)返回檢索結(jié)果。
動態(tài)比對,一般為開集,即不確認(rèn)測試人員是否存在于目標(biāo)庫中,需要在確保誤報率不高于某值的情況下統(tǒng)計準(zhǔn)確率。算法性能指標(biāo)與應(yīng)用場景(測試人是否配合、底庫規(guī)模)有關(guān)。在底庫為1萬人,誤報率不高于1%的條件下,用戶配合場景中一般深度學(xué)習(xí)算法準(zhǔn)確率達到98%以上,可以基本滿足門禁、考勤等應(yīng)用的需求。對于非配合場景,識別率會受到較大幅度影響,一般在90%以下。例如公安領(lǐng)域注冊庫規(guī)??梢赃_到十萬級,往往存在測試人不配合甚至故意回避、監(jiān)控視頻質(zhì)量較差等不利因素,在人流密集場所確保誤報足夠低的條件下往往會產(chǎn)生比較多的漏報。
總體來說,深度學(xué)習(xí)大幅提升了人臉識別效果,直接促進了人臉識別的應(yīng)用落地。雖然一定程度上深度學(xué)習(xí)算法準(zhǔn)確率已經(jīng)超越人類,但還是存在很大的提升空間以滿足更多的應(yīng)用要求。筆者認(rèn)為,目前應(yīng)用并不應(yīng)該唯“識別率”論,而是要結(jié)合具體場景以系統(tǒng)工程的思維設(shè)計合理的產(chǎn)品與方案,將現(xiàn)有技術(shù)發(fā)揮出zui大的作用。例如,即使人證比對的準(zhǔn)確率達到99.99%以上,在支付等場景下,我們還是要配合其他驗證手段以確保足夠安全;另一方面雖然有些條件下深度學(xué)習(xí)算法識別率非常低,但仍然有很大的利用價值,比如失蹤兒童識別,即使準(zhǔn)確率只有1%,也是值得去嘗試的。類似的如嫌疑犯布控、行人闖紅燈等場景,只需要少量的識別成功案例(識別率可能很低),就可以起到很好的震懾與警示作用。