科普：人脸识别看似简单 其中奥妙知多少

本篇文章2325字，读完约6分钟

HC安全网新闻“刷脸”无疑是今年人们的词汇之一。支付宝和京东支付已经宣布，他们将从今年开始刷脸。认证方法；今年5月，世界上第一台具有人脸识别功能的自动取款机在杭州诞生；今年4月，马云在德国汉诺威的信息技术博览会上公开展示了刷卡费，将人脸识别推到了风口浪尖。是时候看看你的脸了！有人喊道。但在传统电影中，从指纹、虹膜到人脸，生物识别离科幻小说和现实只有一步之遥。聊了这么久，你真的能理解人脸识别吗？除了知道它的表面效应，你真的知道它是如何实现的吗？让我们今天做科普吧。 什么是人脸识别？ 人脸识别是视觉模式识别的一个细分问题，也可能是最难解决的问题。 事实上，我们一直在做视觉模式识别。我们通过眼睛获得视觉信息，这些信息通过大脑处理被认为是有意义的概念。所以我们知道我们面对的是一个水杯、一本书还是其他什么东西。 我们也一直在做人脸识别。我们每天遇见无数的人，认识那些熟人，问候他们，和他们打交道，忽略其他陌生人。即使避开那些欠了钱却仍然无法偿还的人。 然而，这个看似简单的任务对机器来说并不容易。 对于计算机来说，图像信息，无论是静态图片还是动态视频中的帧，都是由许多像素组成的矩阵。例如，1080p数字图像是由1980*1080个像素组成的矩阵，如果是8-8位rgb格式，则每个像素是三个数值范围从0到255的数字。 机器需要找出数据的某一部分代表什么概念:数据的哪一部分是杯子，哪一部分是书，哪一部分是脸，这是视觉模式识别中的一个粗略分类问题。 对于人脸识别，有必要在所有机器都认为是人脸的数据中区分这张脸属于谁，这是一个精细的分类问题。 有多少种脸可以分成？ 根据待处理问题的人脸数据库的大小，人脸数据库中的目标人脸数量需要机器进行相应数量的精细分类。如果你想让机器识别他看到的每一个人，世界上有多少种人就有多少种人，而这些人之间的区别是非常微妙的。这说明了人脸识别的困难。 更不用说，这件事还受到各种因素的影响，比如照明、角度、人们脸上的装饰等等。不难解释为什么人脸识别技术没有在日常生活中得到广泛应用，而且大多数人只能在科幻电影中接触到人脸识别。一些容易混淆的概念一些不熟悉的东西经常伴随着许多概念上的混淆。例如，不太了解西方宗教的中国人可能不知道为什么有些人相信上帝但不相信耶稣；在教堂工作的叔叔，为什么有些人想要禁欲而另一些人可以结婚？#hc360 page break # 而人脸识别作为一个新生事物，也伴随着许多概念上的混乱，区分这些概念对于理解人脸识别是很重要的。 人脸检测和人脸识别 完成人脸识别有几个步骤。首先，计算机需要在图像或视频中找到人脸的位置，这通常被称为人脸检测。如前所述，这是一个粗略的分类，实际上是人脸检测中的二进制分类。计算机只需要判断目标图像是否是人脸。然而，由于无法预先确定人脸的大小和位置，计算机需要以每一个可能的人脸大小扫描整个图片，并逐个判断子窗口捕获的图像是否是人脸。在每个扫描过程中，子窗口可以移动几个像素。 所以你可以大致想象一下，对于一张图片的人脸检测，计算机需要多少次才能做出双分类判断。 人脸检测步骤从图片中获取人脸的位置和大小，并将这部分图像发送到后续步骤，包括人脸分量点定位、人脸图像对齐和归一化、人脸图像质量选择、特征提取和特征比较。所有步骤完成后，我们就可以知道人脸的身份了。 当然，我们也可以单独使用人脸检测功能来完成一些应用。例如，大多数相机和手机相机都有人脸检测功能，可以自动获取人脸位置，从而自动对焦和优化图片。甚至在面子上做出一些初步的判断，比如性别、年龄甚至是面值。 1v1人脸验证和1vn人脸搜索 主角通过各种手段成功进入机密部门，这是电影中常见的情节。这一层认证通常包括人脸识别。在这个应用程序中，用户经常需要提供他们自己的身份。 例如，使用门卡时，电脑可以通过门卡在后台获取门卡所有者的人脸样本，并将其与门卡当前用户的人脸图像进行比较，以确认门卡当前用户是否与门卡所有者匹配，从而防止找到您门卡的人轻易混入公司。 这是1v1身份验证。计算机将当前人脸与存储的人脸进行一次比较，这有助于其他认证方法，从而提高认证的可靠性。目前，这种应用已经被广泛使用，如访问敏感设施、在互联网金融领域远程开户、大额取款身份验证等。 在《机械人》中，第一次向公众公开露面，不断地扫描人群中的所有面孔，同时将获得的面孔与通缉犯数据库中的面孔进行比较，立即在围观的人群中发现了一名逃跑多年的通缉犯，并制服了他。这是1vn的面部搜索。机械格斗警察可以搜索一个人脸数据库，该数据库在线存储所有被通缉的犯罪数据。每次他遇到一个人，他都会首先获得这个人的面部信息，然后用获得的信息在通缉犯数据库中逐一进行比较。如果匹配度足够高，他将被当场逮捕。对于每个人脸识别，计算机需要比较n次人脸，其中n是数据库中要识别的人脸模板的数量。 如果要求计算机仅通过面部识别一个人的身份，它实际上是一个1vn面部搜索，并且它的目标面部数据库是由N个面部组成的“熟人数据库”。随着N的增加，准确识别的难度会增加，一次识别所需的计算时间也会增加。我们可以考虑一个普通人能准确识别多少张脸。可能有几十个数量级。 目前，最好的人脸识别技术实际上已经超过了这个水平。例如，中国顶尖的人脸识别公司通常都有一面屏幕墙，用来展示公司各种摄像头捕捉到的人的活动，并准确识别他们的身份，而公司一般都有一个数百人的人脸数据库。然而，如果n继续增加，达到千人数据库和万人数据库，实时找到唯一匹配的人脸就成了科幻小说的要求。在较大的人脸数据库应用中，实时性要求普遍较低，只需要找到前m张匹配良好的可疑人脸，从而缩小了人工检索的范围。