到底什么是人工智能，機器學習和機器視覺?

　　人臉識別和人工智能又有什么關系? 越來越多的人工智能正在逐步隱藏其外形，人類對它的觀察和理解也變得越加具有挑戰性。即使是專家們自己也并不總能完全理解人工智能系統是如何運行的。那么，今日起，曠視(Face++) 將在微信公眾號( megvii-tech )開設“人臉識別商業系列大講堂”，意在讓人們對人工智能在商業領域的應用層面具有基礎和客觀的理解，當然希望更具象的形容“Power Human with AI.” 盡微薄之力讓更多人了解人工智能的核心。

　　本篇是人臉識別大講堂系列第一篇，也是一篇關于人工智能和人臉識別應用最基本的科普。

　　解讀——人工智能 | 機器學習 | 深度學習

[[174926]]

　　人工智能( Artificial Intelligence )，英文縮寫為AI。廣義上的人工智能實際上等同于機器智能，通俗的解釋就是就是賦予機器以人的智慧，讓機器像人一樣學會思考。而機器學習 ( Machine Learning, ML ) 是人工智能的一個研究分支，主要是設計和分析一些讓計算及自動獲取知識的算法，涉及到概率論、統計學、逼近論等多個領域。深度學習( Deep Learning, DL )又是機器學習的一個分支，可以理解為用計算機的算法模擬人類大腦的深度神經網絡，然而對于神經網絡我們還沒有一個嚴格的定義，但其特點是試圖模仿大腦的神經元之間傳遞，處理信息的模式。

　　因此，簡單而言，人工智能、機器學習和深度學習是一種包含關系。我們通過在計算能力和計算方式上的探索在不斷接近人工智能的本質——一個具備自我學習和應變能力的智能機體。但我們不能單純地認為人工智能只是把數學模型做的更準確一點，讓機器擁有擬人化能力是一個漫長的發展過程：畢竟從計算機誕生到現在的移動互聯網，我們就用了70年的時間。而現在我們才剛開始觸摸到到智能時代的拐點的邊緣。我們之所以認為是“今天”處在智能時代的臨界點是因為以下最重要的兩個條件的形成：

　　1. 計算能力到達了一定高度，摩爾定律推動了世界的發展;

　　2. 大數據的積累、傳感技術的成熟。

　　今年正是人工智能概念提出的第六十周年，當年參與達特茅斯會議的最后一名在世的科學家——人工智能之父馬文明斯基也于年初離世，我們經歷了一個時代的結束也面臨著一個新的時代的開始。大數據和機器學習讓計算機變得特別聰明，以至于使計算機能夠在某些領域很大程度的超過人類的極限能力，比如谷歌AlphaGo戰勝了圍棋世界冠軍李世石，而人工智能的目的絕對不是讓計算機和人類下下棋而已，可以說未來幾十年將面臨由大數據帶來的智能革命，機器會獲得越來越全面的能力。

　　但實際上，人工智能的應用范圍博大精深，繁冗復雜，在每一個垂直領域的應用都需要克服難以想象的障礙。所以，我們先拆分大腦的功能，讓機器一點點實現智能化。

　　人的大腦需要借助各種感官，如眼睛、耳朵等，感知外界信息，然后進行判斷，這其中用機器來代替人眼來做測量跟判斷的動作，稱為機器視覺，機器視覺是人工智能學科中發展的最為快速的分支，而當今大家熟知的人臉識別技術就是機器視覺最富有挑戰性的課題之一。

　　人臉識別——人臉檢測 | 人臉分析 | 人臉識別

　　在深度學習誕生前，人臉識別研究人員試圖不斷改進、提高計算機識別人臉的能力，但相對人類本身所具有的人臉識別能力仍然望塵莫及。直到2012年，深度學習開始影響人臉識別技術的發展，基于深度卷積神經網絡的方法在不斷突破人工智能算法的世界紀錄。如何在一張環境復雜的圖片中快速識別出人臉，對于人來說很簡單，但對于機器而言，需要經歷以下幾個步驟: 人臉檢測、人臉分析、人臉識別。

　　一張圖片輸入機器后，需要先找到人臉的位置——人臉檢測，然后在這個基礎上定位人臉關鍵點的位置( 如眼睛中心或嘴角等 )并提取特征值——人臉分析，每個系統關鍵提取的數量相差很大，有的只有左右眼睛中心兩個點，有的可能多達近百個點。這些點的位置一是用來做人臉的幾何校正，即把人臉通過縮放、旋轉、拉伸等圖像變化變到一個比較標準的大小位置。這樣待識別的人臉區域會更加規整，便于后續進行匹配。同時，現在的實際系統一般也都配有人臉光學校正模塊，通過一些濾波的方法，去除一些對光照更加敏感的面部特征。在做完這些預處理之后，就是從人臉區域提取各種特征，包括 LBP、HOG、Gabor 等。最終相關的特征會連接成一個長的特征向量( Feature Vector )，然后匹配出人臉的相似度，根據相似度的大小，系統會判定兩張圖片到底是不是一個人——人臉識別。所以，想要降低人臉識別的失誤率，需要強大的算法支撐。

　　但失誤率低是否就能在商業領域中站穩腳跟?

　　產學研用——人臉識別的商業應用價值

　　常言道：實踐出真知。

　　再強大的算法如果不和現實的應用場景相結合也無異于紙上談兵，除了名次的提升和無限接近于100%的實驗結果，并沒有帶來實際的價值，更何談社會效益。人工智能產生的初衷是為了取代人力，將人類解放出來去創造更多的價值，人臉識別技術也同樣應該遵循這個基本原則。目前，隨著技術的發展和市場需求的快速增長，人臉已經在很多領域發揮了這樣的價值，如遠程在線核身，用刷臉替代實名場景中需要的人力和物力。

　　而在實際應用場景中，我們通常會提到兩個概念：即 1:1 和 1:N 。

　　1:1 可以粗暴地理解為證明你就是你。事實上，1:1 屬于一種靜態比對，在泛金融的核身、信息安全領域中還有潛在巨大的商用價值。例如在機場安檢口，總是需要有一個人拿著你的身份證看看你再看看證件，來確認你就是持證人，這種場景就是典型的 1:1 場景。然而人的肉眼識別精準度是在95%左右，且長時間工作容易疲勞，所以機場安檢人員需要在半個小時到一個小時之內換班一次來保證識別的準確率。而人臉識別技術的出現，就完全能夠解決這種場景下“需要一個人”的問題，當然，這種價值同樣能在考試考生身份的審核、酒店入住辦理，火車站人票合一認證等任何需要實名制的場景中體現。

[[174927]]

人證合一比對終端是典型1:1應用場景

　　1:N 的概念則是在 N 個人中找出你。這里的 N 是一個數據庫，里面有無數張人臉信息，那么計算機要做的就是在無數的人臉中找到你是誰。1: N 具有動態比對和非配合的特點，所謂的動態也就是識別的不是照片，不是圖片，而是一個動態的視頻流;非配合是指識別對象不用感知到攝像頭的位置只要走進識別范圍就能完成識別工作。這兩個特點使 1:N 的難度要遠高于靜態 1: 1，因為機器面臨著曝光過度、逆光、側臉、遠距離等挑戰。

[[174928]]

曠視(Face++)的智能門禁是典型的1:N 應用場景

　　在行業應用中，1:1 更多是應用在金融、核身、信息安全領域，特點是精準安全。而1:N主要應用的方向是在商業、安防等。比如一個女士去商場買包包，店員不知道她是否是會員。如果引用機器視覺技術，不管店員換沒換，當顧客進門的時候她的信息就被推送給店員完成精準的推薦，這就是機器視覺在商業領域VIP客戶識別的典型應用。在安防方面的應用比如公共場所動態監控、緝拿逃犯、人員布控等。

　　需要說明的是，人臉識別技術的成熟雖然能讓計算機替代人眼取代一大部分在審核、找人工作中的勞動力，但它并不能作為嚴肅場景中的唯一的驗證方式。舉例說明，在某公共場所動態監控緝拿逃犯時，因受外界環境干預，可能會同時彈出5個疑似的人選，這時就需要人工協助，共同完成識別確認過程;又或者在企業應用中，具有較高機密性質的場所可以采用人臉識別和刷卡的雙重認證來確保安全性。

　　可以肯定的是，相比于人眼的效率來說，人工智能的人臉識別能力要遠遠超過人類。但這并不代表機器不會出錯，因此在準確形容人臉識別通過率的專用詞匯中，有誤識率一詞，就曠視(Face++)而言，完全可以做到在萬分之一誤識率下使通過率達到98%，能夠滿足日常生活中的應用場景。畢竟，人工智能的意義是賦予人類更強大的能力、協助人類更高效的工作——正如如我們開篇說的，Power human with AI，而并非取代人類。