中企动力 > 商学院 > 图像人脸识别软件
  • ?

    人脸识别、AI与大数据:技术挑战与突破

    卫幻珊

    展开

    ——访IEEE Fellow,国际知名计算机视觉、模式识别、机器学习、生物特征识别领域理论、技术和应用研究专家,英国Surrey大学博士,中科院资深研究员,中科院优秀百人计划,生物识别与安全技术研究中心主任,中科奥森创始人李子青。

    比尔·盖茨曾下过这样的断言:生物识别技术将成为未来几年 IT 产业的重要革新。盖茨言论的背后支撑是,越来越多的个人、消费者、公司乃至政府机关都承认,现有的基于智能卡、身份号和密码的身份识别系统是远远不够的,生物特征识别技术将在未来提供解决方案方面占据重要的地位。

    尽管我国人脸识别技术起步较晚,但发展非常迅速,在人脸识别精度方面,更是屡屡打破世界纪录,取得世界瞩目的成绩。随着人脸识别技术的快速提升,人脸识别应用领域也在加速落地。近两年,人脸识别在银行、证券、金融社保、交通、教育、电子商务、高考、机场、地铁等场景应用频频刷屏,热度居高不下。

    近期,《大数据周刊》专访了IEEE Fellow,国际知名计算机视觉、模式识别、机器学习、生物特征识别领域理论、技术和应用研究专家,英国Surrey大学博士,中科院资深研究员,中科院优秀百人计划,生物识别与安全技术研究中心主任,中科奥森创始人李子青。他就人脸识别技术的精准度、安全风险以及主要挑战做了分享。

    从2000年加入微软研究院起,李子青博士即开始以应用为导向,把计算机视觉、机器学习应用到人脸识别及监控视频分析。在国内,李子青制定了十多个TC28/SC37国家标准和TC100/SC2的公安部行业标准,包括生物特征识别术语、人脸识别应用分类、动态人脸监控,近红外人脸识别、出入口控制、人证核验、人脸活体防伪、人脸数据格式与接口等。迄今参与的国家级应用包括2005年的深圳罗湖自助通关的人脸识别系统,2008年北京奥运人票实名核验,2010年上海世博的出入口管理,2012年国家物联网应用示范(无锡市公安局落地)的人脸识别平台,2013年罗湖水客识别系统等。

    人脸识别标准,行业发展必备标尺

    《大数据周刊》:工信部发布的《促进新一代人工智能产业发展三年行动计划》,其中一个目标是到2020年,复杂动态场景下人脸识别有效检出率超过97%,正确识别率超过90%,支持不同地域人脸特征识别。那么当前人脸识别有效检出率和正确识别率是多少?实现这一目标要做好哪些准备?

    李子青:这个行动计划说明国家对生物特征识别、视频理解、跨媒体融合等技术创新,发展人证合一、视频监控、图像搜索、视频摘要等典型应用,拓展在安防、金融等重点领域的应用的重视和支持。但其中的“有效检出率超过97%,正确识别率超过90%”,提法不专业,因为检出率和识别率,每个都指标必须是两个数字成对出现,也就是还需要加上相对应的“虚警率”,所以解读时不必纠结其中的两个数字的实际技术含义。另外,技术指标一定和测试数据的构成和难易程度有关。该《行动计划》提到了“复杂场景”这个概念,这也比较模糊,我想它所指的主要是安防监控场景的行进中的动态人脸识别,这个的确是目前最难的应用场景之一,有赖于技术的提升和突破。

    《大数据周刊》:有人担心人脸识别的准确率越高,在互联网环境下风险就越大,因为一旦采用生物特征认证,就会有特征数据库来记录,如果密码泄露还可以换,而生物特征不可再生,您怎么看待目前的信息安全?大家在刷脸的时候该注意什么?

    李子青: 这个说法不准确,正相反,人脸识别的准确率做到百分之百准确才是最好。这个担心应该指的是,人脸识别的准确率越高,则更有可能被假体攻击 – 这是一个质疑,但并非完全如此,因为人脸身份识别和假体攻击识别是一个应用中的两个技术问题。提出这个质疑,反映了公众对人脸识别应用的一些担忧。的确,对授权类的人脸识别应用来说,比如个人账户登录、个人业务办理、关键出入口控制等利用人脸进行身份核验的业务等,需保障使用者的身份不被假冒,所以这类应用系统应具有识破假体攻击、并加以阻止的能力,对非值守的身份核验应用,尤为如此。

    假体攻击主要有三种类型:人脸图片/照片打印、人脸图像视频显示器播放、各种材料的面具,其中仿真皮面具成本最高,也最具攻击性、最难防。假体攻击识别与人脸识别,是两个技术上相关联但不同的环节,一般是使用两套不同的核心算法。防假体攻击的技术核心是,识别人脸图像来自肉身还是假体。采用纯算法软件实现成本最低,但安全性保障不足,比如2017年315晚会上爆出的人脸识别安全性漏洞,即为对纯算法软件的防伪方式的成功攻击。光电硬件+算法软件的解决方案,可靠性会高很多,比如中科奥森首创的双目多光谱人脸活体检测防伪解决方案。

    用户在使用人脸识别作为授权认证时应谨慎,照顾好自己的隐私信息不要泄露,刷脸的使用方式,在刷脸成功率方面,按照使用的提示做;在活体防伪方面,使用者没有可以控制的能力,安全性由该应用提供方人脸识别系统的防范假体攻击能力所决定。我制定了一个刷脸的活体防伪行业标准,目前正在做一个相应的国标,其中制定了防假体攻击的技术要求。

    突破发展瓶颈,大数据是关键因素

    《大数据周刊》:目前人脸识别技术的主要挑战是什么?发展到了哪个阶段,在哪些领域应用较成熟?

    李子青:这个可以从AI和大数据的角度来看。AI经历了随符号主义的盛行到其第二个寒冬的衰落。神经网络,在联结主义框架下,作为当年与符号主义对立的技术学派,也经历了一个半死不活的过程,直到2006年,被深度学习再度激活,并奇迹般发展壮大,不仅带动了计算机视觉、语音识别等AI子领域的技术与应用发展,更是引发了AI的第三波热潮。

    深度学习带来的成就,离不开标注大数据的支撑;有监督深度神经网络的性能很大程度上依赖于数据标注规模和质量。目前深度学习通过架构、算法改进,以及标注数据规模的扩大,仍然有一定的提升空间,但这个速度将会比较缓慢。由于数据标注资源现在已经用到了接近极限(见李开复谈AI与大数据)。我个人认为,目前深度学习引擎的性能已比较靠近天花板。

    人脸识别在两个方面仍然需要有技术完善和技术突破。第一个是前面提到的刷脸应用中的人脸活体检测与防伪。第二个是非配合条件下的人脸识别,如反恐、治安视频监控中的动态人脸识别,核心引擎的准确率尚未能满足实际应用需求,其表现为误报率太高,经常发生“狼来了”的误报警。

    上述问题本质上仍然是前面所说的深度学习瓶颈 – 受限于正确标注的大数据。解决这个瓶颈或突破天花板,是人脸识别、计算机视觉和AI的关键所在,也是国际巨头研发的主攻方向之一;如Google的Capsule、Facebook的进化学习,DeepMind的AlphaZero。

    创新解决当下,赋能未来

    《大数据周刊》:2018年AI有怎样的发展趋势?中科奥森作为全球领先的人脸识别技术及解决方案供应商,2018年在AI领域将怎样布局?

    李子青:前面说到人脸识别和AI其他技术,在目前有监督深度学习框架下,已经出现瓶颈、性能已接近天花板。

    中科奥森目前在开展的重要工作之一,是解决目前有监督深度学习受限于标注数据规模的制约,突破途径是利用生产环节大数据,在半监督或无监督学习框架下,自主提升,突破深度学习引擎性能天花板,使得在监控类非配合条件下的动态人脸识别性能获得成百上千倍的提升,也就是把误识率降低数百到数千倍,这与各厂家PK比较几个百分点,有本质的不同,是突破性大数据技术,其成果能够真正满足实际应用的严苛需求。

    中科奥森在做的另一个创新工作是新一代视觉传感器。10年前中科奥森曾发明了近红外人脸识别,利用光电传感器的创新,弥补当时智能算法能力的严重不足,做出了世界上第一个实用的人脸识别门禁考勤产品,并由国内的厂商推广到国外。其后又提出了异质人脸识别方法,即可见光人脸图像与近红外人脸图像之间的交叉比较,扩大近红外人脸识别产品的应用范围。再后来又创新了双目多光谱(RGB+NIR)人脸活体检测,并将其应用在授权类人脸识别的假体防伪。我们推出的技术一直被人模仿,但从未被超越。

    中科奥森的最新视觉传感器技术ApolloEye,是智能结构化视觉传感器(专利技术产品),采用单目摄像头即能采集RGB+NIR+3D多模态图像,并且能够适应从夜晚弱光暗光到夏日强阳光和强逆光等极端不利光照条件变化、输出质量一致的图像和人脸/人体/车辆检测输出。在严苛条件下实现多模态、高性能的图像采集和视觉目标抓拍,需要综合光学、电学、图像处理、AI算法及工程化等方面进行统筹设计与优化;综合性解决方案,解决交叉学科关键问题。

    ApolloEye为应用提供丰富可靠的视觉信息,具有广阔的应用前景。对监控类应用,它能显著提升复杂场景下的人脸识别准确率;对授权类应用,它能有效阻止假体攻击。其他应用场景包括无人超市、机器人、自动驾驶,等等。

    两年前我为中科奥森提了一个口号:AI照进现实 (AI Brightens Reality)- 意思是让AI技术落地,灵感来自于我很喜欢的一部电影《梦想照进现实》(徐静蕾、韩童生、王朔)。现在我又提出了一个进一步的口号:创新解决当下,赋能未来(Innovations Empower Solutions and the Future) - 针对AI的当下落地与面向AI未来的发展,是我更具体的战略行动计划。

    1988年我怀揣梦想去英国留学,第一站是爱丁堡大学AI系。经历了AI的第二次热潮和寒冬,以及现在的第三次热潮。研究 AI理论与核心技术,持续不断的创新,解决当下实际应用问题,开创未来前沿技术与产品,是我热爱和痴迷的工作。

    作者:常霞

  • ?

    人脸识别系统大道当行,为何还有反人脸识别的声音在背后低语?

    仇涛

    展开

    大家知道,目前,人脸识别系统存在着争议。例如亚马逊此前因向执法机构出售人脸识别技术一事,登上了头条,遭到万人上书抨击。此外,国内外都有学校正在使用人脸识别摄像头,来监控学生。

    社会各界对此做法的评价,亦是褒贬不一。而“战斗民族”俄罗斯的最大科技公司Yandex的技术总监Grigory Bakunov,甚至与黑客合作开发了反人脸识别涂装。另外,也有研究表明,某些人脸识别软件可能存在种族偏见的问题。

    人脸识别褒贬不一,多伦多大学研发反人脸识别系统

    据了解,考虑到人们对人工智能监视系统的担忧,多伦多的研究人员开发出了一个防御系统。Parham Aarabi和研究生Avishek Bose创建了一种算法,通过对图像进行光转换,可以动态地破坏人脸识别系统。

    Aarabi在一份声明中表示:“随着人脸识别技术的不断发展,个人隐私是一个相当重要的问题。”而这种算法,正是可用于反人脸识别系统,有益于防御愈变愈强的人脸识别能力。

    事实上,反人脸识别产品和软件,并不是什么新鲜事。例如,在2016年11月的一项研究中,美国卡耐基梅隆大学的研究人员设计出了,能够成功骗过面部识别系统的眼镜。而2017年11月,麻省理工学院和九州大学的专家们,又用算法生成了“对抗性”图像,成功骗过了谷歌的图像分类AI,导致其将3D打印的乌龟玩具错认成了步枪。

    根据Bose和Aarabi的说法,这是最早使用AI的解决方案之一。

    工作原理:采用基于数据集的AI对抗训练

    而多伦多研究人员的算法,则是在600张人脸的数据集上进行训练的,并提供一个可应用于任何图片的实时滤镜。由于它针对图像中高度特定的、单个像素,因此几乎是肉眼所看不到的。

    这两位研究人员采用了AI对抗训练,由两个神经网络组成。一个神经网络相当于产生数据输出的“生成器”,另一个相当于检测生成器所制造的假数据的“鉴别器”。也就是说,Aarabi和Bose的系统,使用生成器来获取信息、识别面部;而鉴别器则用来干扰面部识别。

    据悉,他们的研究报告,将在2018年IEEE国际多媒体信号处理研讨会上,进行发表。Bose和Aarabi声称,他们的算法,将人脸识别系统中检测到的人脸比例降低到0.5%。他们希望在应用程序或网站上提供这种神经网络。

    “十年前,这些算法必须是人为定义的,而现在只要提供下训练数据,神经网络就可以自己学习。”Aarabi说,“最终他们可以做一些非常了不起的事情。这是一个非常有趣的时刻,这是一个巨大的潜力。”

    反思后的反思,反人脸识别系统就一定安全么?

    小编看到,多伦多大学研究人员,开发AI反人脸识别系统的出发点是好的——考虑到人们对人工智能监视系统的担忧。但是这无疑又不得不引发出另一种担忧:日常生活中类似刷脸支付(大家知道智能手机、支付宝等都已支持人脸登陆)、刷脸过检等操作,岂不是存在着安全风险么?

    虽然说,为了避免技术被滥用,一般研究人员不会选择公开反人脸识别系统的详细算法和原理,也不会轻易把反人脸识别技术商业化。但现实是,随着科技的发展,许多掌握高科技并且已尝到甜头的公司的做法,明显优先考虑的是利益增长,而不是道德担忧或其产品的负面影响。

    不过,从谷歌内部宣布不再为五角大楼AI项目(Project Maven)续签合同一事中,大家或许也能看到,AI应用的伦理问题是不能枉顾的。

    本文由venturebeat刊发,属VRPinea原创编译稿件,转载请洽:brand@vrpinea

  • ?

    门禁人脸识别系统特色

    惜寒

    展开

    门禁人脸识别系统特色

    1)模块化的系统结构功能。

    门禁人脸识别系统采用“服务器+工作站”的模块化结构,这种结构便于不同智能部门根据权限来进行独立管理,避免权限交叉和管理混乱等现象。如数据服务器专门用于数据交换和存储;维护工作站用于门禁人脸识别系统维护;应用工作站用于对旅客、职工进行管理;

    2)强大的脱机使用功能

    像素人脸识别闸机门禁管理系统具有强大的脱机使用功能,当硬件系统与门禁控制系统无法正常通讯时,门禁系统仍能正常使用而不影响旅客出入。硬件控制器的存储容量最高可达10万张照片和10万条历史记录,不会因为短期通讯故障而造成数据丢失。

    3)强大的联动功能

    门禁人脸识别系统具有强大的联动功能,能与人脸识别、语音播报等设备进行无缝联动,当系统触发报警时,自动自动保存现场照片和语音播报进行语音提示。如:使用非法卡进入通道时,门禁人脸识别系统自动进行图像抓拍和语音提示,同时联动声光报警。

    4)基于人脸大数据的深度学习人脸识别,极大提升系统鲁棒性和识别准确率。

    人脸识别算法采用基于神经网络的深度学习模式。通过利用大量简单处理单元互联而构成复杂门禁人脸识别系统,模仿人的学习认知系统,在学习的过程中获得其他方法难以实现的关于人脸识别的规律和规则的隐性表达。通过利用形状特征、灰度特征、皮肤纹理特征等多种传统特征并进行融合,采用了空间分析和调度学习技术,实现高性能、高精度、高鲁棒性、可靠的人脸比对算法;

    基于安防、公安、教育、金融等行业的实际应用,已具备上亿级不同质量、姿态、光线、性别等用于深度学习的人脸大数据,利用海量数据,采用深度学习,自动学习得到人脸特征。算法在经过大量人脸正负样本数据的训练后,在准确率、容错性、鲁棒性等方面均有明显优势,已经过众多大型项目的实际考验,完全满足实战应用。

    门禁人脸识别系统

    5)提供强大的人脸图像预处理工具

    在关注名单库建库过程中,照片质量参差不齐,可对相片图像进行自动或者人工处理,使之符合有关标准和要求。人脸相片处理功能如下:

    l支持通过插件或其他方式,对人脸相片进行人工剪裁处理。

    l支持调用第三方图像处理、分析工具。

    l图像处理工具包括:颜色处理、亮度调节、对比度调节、饱和度调节、锐度调节、色彩调节、鱼眼矫正、光线均衡、橡皮擦、清理背景、恢复原图、裁剪工具、超分辨率、自动多阶亮度、自动多阶对比度、自动多阶饱和度、自动多阶锐度等。

    门禁人脸识别系统

    图:图像处理工具截图

    对于对鱼眼摄像头、较差光线下的图像自动化处理,能在这些极端条件下提高人脸识别算法的准确率。

    鱼眼摄像头(如ATM)拍摄的照片自动矫正

    门禁人脸识别系统

    ATM鱼眼变形照片

    “阴阳脸”矫正:左右脸光线不均衡的图像自动矫正

    门禁人脸识别系统

    6)支持人脸相片质量检测,并开放接口给用户其他信息系统调用

    门禁人脸识别系统应支持人脸相片质量检测,检测标准按《ISO/IEC 19794-5:2005 生物特征识别数据交换格式 第5部分:人脸图像数据》或《GA/T922.2-2011 安防人脸识别应用系统第2部分:人脸图像数据》,自动判断相片是否满足人脸比对要求,可在相片入库前对人脸相片按照标准采集要求进行自动质量检测,并反馈不符合要求的原因,提醒用户重新采集相片或者对人脸相片进一步图像处理。

    人脸相片检测项目如下表:

    门禁人脸识别系统

    7)提供高安全性的人脸比对服务

    a.门禁人脸识别系统可组集群,扩展比对能力:

    增加后台比对服务的并发处理能力,解决多客户端同时比对能实时获取结果。

    门禁人脸识别系统

    图:增加计算群组来提高计算能力

    b.自动负载均衡:

    自动根据前端的多个客户端同时的并发请求数,把客户端提交的比对请求分给不同硬件服务器上安装的“节点(副控)”软件上进行比对,比对完成后,比对结果均最终汇总给主控软件,由主控软件返回结果给客户端。

    门禁人脸识别系统

    图:增加比对、验证和建模引擎来提高计算能力

    c.支持故障自动转换:

    人脸比对服务端主控为默认比对服务,当主控比对服务出现故障时,比对服务能自动从主控切换到副控,确保整个门禁人脸识别系统能继续提供比对能力;当主控故障恢复时,则比对能力自动从副控切换回主控,形成软件的双机热备模式。

    门禁人脸识别系统

  • ?

    IBM利用纽约警局提供的图像,创建人脸识别系统

    林恩

    展开

    据外媒透露,美国公民自由联盟表示自从亚马逊向美国当地执法部门提供面部识别技术后,似乎又有一项新的技术提供商加入。近日一份报告显示,IBM与纽约市警察局正在合作开发一套全新面部识别系统,据悉该系统可基于肤色、头发颜色、面部信息等来检索对应可能的个人信息。

    外媒The Intercept报道,纽约时警察局也会在特定情况下提供警察身上便携相机中拍到的照片/视频信息给IBM,以保证IBM开发的产品能够在人流拥挤的场景中同样有较佳的效果。

    此外,纽约时警察局与IBM的合作协议中并没有签订内容禁止它用的协议,通常纽约时警察局与其它合作伙伴签订合同时往往要求在合同期满后,数据依然存储在纽约市警察局的数据库中,并且还需进行保密等。

    实际上,纽约时警察局早在2012年开始尝试使用面部识别系统,据悉当时也在使用该系统的预览版,然而到2016年时又决定不再广泛采用此系统。因此,一度以为IBM的这套面部分析软件就此寿终正寝。

    实际上,外媒报道的倾向重点依然在于个人隐私的部分,外媒纷纷对IBM通过纽约时警察局提供的个人信息开发项目存质疑。甚至有国外隐私领域的专家认为,纽约人有权利知道自己的图像信息用在和何处,特别是听到把这些隐私数据交给私人/商业公司来创建监控系统时,让更多人对隐私产生担忧。

    参考:The Intercept 、engadget

  • ?

    什么是3D人脸识别?3D人脸识别门禁系统有什么特点?

    Haley

    展开

    人脸识别方法大致可以分为两类:

    基于2D人脸图像的人脸识别和基于3D人脸图像的人脸识别。其中2D人脸识别是通过2D摄像头平面成像,无法接收物理世界中的第三位信息(尺寸和距离等几何数据),即使算法及软件再先进,在有限的信息接收状态下,安全级别终究不够高,通过照片//视频/化妆/人皮面具等方式可以很容易进行破解,无法满足智能门禁安全级别的需求。

    3D人脸识别则是通过3D摄像头立体成像,能够识别视野内空间每个点位的三维坐标信息,从而使得计算机得到空间的3D数据并能够复原完整的三维世界,并实现各种智能的三维定位。简单的说就是机器获取的信息多了,分析判断的准确性有了极大的提升,人脸识别功能可以分辨出平面图像/视频/化妆/皮面具/双胞胎等状态,适合金融领域和智能门禁等安全级别要求高的应用场景。

    1、三种主流的3D成像技术

    (1)结构光(Structured Light):结构光投射特定的光信息到物体表面后,由摄像头采集。根据物体造成的光信号的变化来计算物体的位置和深度等信息,进而复原整个三维空间。

    (2)TOF(Time Of Flight,飞行时间):通过专有传感器,捕捉近红外光从发射到接收的飞行时间,判断物体距离。

    (3)双目测距(Stereo System):利用双摄像头拍摄物体,再通过三角形原理计算物体距离。

    3D(维)人脸识别系统,能够像人眼一样直观地识别,是世界上第一款快速、准确的人脸三维识别设备。解决弥补了传统2D可见光人脸识别存在的不足,鉴别时间只需要一秒钟,走路甚至跑过去,只需在设备上恍一眼,它就会鉴别其身份是否是以前注册过的,系统对每个人的注册时间只需2秒,注册人数可达十万以上。

    3D人脸识别门禁系统应用场景

    1、社会治安应用

    旅馆、网吧、娱乐会所、重大集会(演唱会、体育赛事、大型讲座)

    2、车管所应用

    身份驾照采集、考试登记、审核登记

    3、社会防范应用

    上访接访、刑事案件、重点人员、卡口、查报站等

    4、企业、校园、住宅安全——智能小区、政府职能部门、校园门禁

    5、摄像监视系统——机场、铁路、海关、军队、银行、体育场、超级市场

    6、网络应用——辅助信用卡网络支付

    7、身份辨识——电子护照、第三代身份证

    8、信息安全——计算机登录、电子政务和电子商务

    3D人脸识别门禁系统产品特性

    ☆高速接入

    注册时间:2秒

    识别时间:小于1秒

    注册人数可达十万以上的数据库

    吞吐能力:每分钟多达60人

    ☆可靠性和安全性

    没有“人为因素”的错误

    不可能通过一个普通的照片欺骗

    高品质的3D测量的人脸

    ☆实用性

    工作距离范围:0.8-1.6米

    不需要直接的身体接触和定位

    带有帽子和太阳镜也能快速识别

    能方便简单的与其他设备集成

    人脸模型直观指示

  • ?

    最近火爆的3D人脸识别,你需要知道的都在这

    由连碧

    展开

    人脸识别发展史

    人脸识别是指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术,其可以定义为:输入查询场景中的静图像或者视频,使用人脸数据库识别或验证场景中的一个人或者多个人,通常也被称为面部识别、人像识别。人脸识别技术拥有一个不算漫长的历史,该技术研究最早可追溯到 19 世纪法国人Galton的工作。现代研究始于20世纪60年代末70年代初,并随着科学技术而发展。自90年代以来一直是研究热点,各种算法层出不穷,相关杂志上发表的有关论文数以千计。

    国内在这方面的研究起步于20世纪80年代,受到了国家 863计划的大力扶持,发展很快。2000年以来,每年一届的“中国生物识别学术会议”极大地推动了包括人脸识别在内的生物识别技术水平的发展。

    从技术角度来说,人脸识别经历了三大阶段:

    第一阶段(1950s-1980s),人脸识别被当作一个一般性的模式识别问题,主流技术基于人脸的几何结构特征。

    第二阶段(1990s),人脸识别迅速发展,出现了很多经典的方法,例如Eigen Face, Fisher Face和弹性图匹配,此时主流的技术路线为人脸表观建模。

    第三阶段(1990s末期到现在),人脸识别的研究不断深入,研究者开始关注面向真实条件的人脸识别问题。

    主要包括以下四个方面的研究:1)提出不同的人脸空间模型,包括以线性判别分析为代表的线性建模方法,以Kernel方法为代表的非线性建模方法和基于3D信息的3D人脸识别方法。2)深入分析和研究影响人脸识别的因素,包括光照不变人脸识别、姿态不变人脸识别和表情不变人脸识别等。3)利用新的特征表示,包括局部描述子(Gabor Face, LBP Face等)和深度学习方法。4)利用新的数据源,例如基于视频的人脸识别和基于素描、近红外图像的人脸识别。

    人脸识别技术的难点

    虽然人脸识别技术经历了较长的研究阶段,但至今还是被认为是生物特征识别技术中较为困难的研究课题之一,其原因在于: 1.背景环境的复杂多样

    在进行人脸识别前需要先对监控场景中的人脸进行定位,即人脸检测。人脸检测的正确与否直接影响人脸识别性能。当监控场景的背景较为复杂时,人脸检测率也会随之降低,因此能够适应复杂背景环境的人脸检测算法是人脸识别技术的难点之一。 2.光照条件的复杂多变

    在智能视频监控系统的实际应用中,会由于监控环境光线的变化造成检测到的人脸图像存在不同的阴暗变化,如图1所示。FRVT2006测试表明,不同光照条件下人脸识别虽然在性能上比FRVT2002有显著提高,但是还没在根本上克服光照对识别率的影响。

    图:光线变化对采集到的人脸影响示意图 3.人脸表情的多样性

    在实际应用过程中,人脸的表情随时都可能发生变化。下图给出了部分表情变化的人脸图像。从下图可以看出,当人的表情发生变化时,可能会引起人脸轮廓以及纹理的变化,同时由于面部肌肉的牵引,面部的特征点的位置也会随之改变。不同的表情引起面部的变化都不同,此外,不同的人的相同表情影响也不相同,因此很难用统一的标准来精确划分各种表情对不同人的影响。

    图:人脸表情变化多样性示意图 4.采集人脸的角度多样性

    人脸的角度多样性主要是指由于拍摄角度的不同导致检测到的人脸图像的旋转,包括平面旋转和深度旋转。图3列出了部分不同角度拍摄的人脸图像。从下图可以看出,与表情变化对人脸图像的影响相同,拍摄角度的变化同样会导致人脸轮廓的变化,除此之外,由于角度的变化,可能会导致人脸的部分特征无法被正确提取,进一步导致人脸的错误识别。

    图:采集人脸的角度多样性示意图 5.遮挡问题 即使是非人为故意遮挡,在实际应用时检测到的人脸图像也经常会出现如帽子、眼镜等遮挡物,除了这些,胡子以及刘海的变化也直接影响人脸的特征提取。当人脸图像发生遮挡时,人脸的很多信息会丢失,导致人脸识别算法出错或失效。

    传统人脸识别系统的步骤

    人脸识别系统主要包括四个组成部分:人脸图像检测、人脸识别预处理、人脸特征提取以及特征匹配与识别。 1.人脸图像检测

    人脸图像检测是人脸识别过程的关键环节之一。人脸检测是指对于任意一幅给定的图像,采用一定的策略对其进行搜索以确定其中是否含有人脸,如果有,则返回检测到的人脸图像的位置、大小以及姿态。人脸检测主要利用人脸图像的直方图特征、颜色特征、模板特征、结构特征以及haar特征等。 2.人脸图像预处理

    预处理是指在进行人脸识别前,为了提高识别率,通过图像处理技术对检测得到的人脸图像进行的一系列图像质量提高。这些处理主要包括灰度校正、噪声过滤、光线补偿、直方图均衡化、归一化等。 3.人脸特征提取

    人脸特征提取是对人脸进行特征建模的过程,提取方法主要分为两大类:基于知识的表征方法和基于代数特征或统计学习的表征方法。目前人脸识别技术中使用的人脸特征主要包括视觉特征、人脸图像变换系数特征,人脸图像代数特征等。其中基于知识的表征方法主要是根据人脸五官的形状描述以及它们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常是使用特征点间的欧几里得距离、曲率或角度等。基于几何特征的表征方法是指利用人脸五官之间的结构关系的几何描述进行人脸表征的方法。 4.人脸匹配与识别 匹配与识别是指利用上一步提取到的人脸特征,与样本库中存储的特征模板进行搜索匹配,在这个过程中,需要预先定义一个阈值,当相似度超过该阈值,则输出匹配结果。

    手机人脸识别产业链

    人脸识别方法大致可以分为两类:基于2D人脸图像的人脸识别和基于3D人脸图像的人脸识别。其中2D人脸识别是通过2D摄像头平面成像,无法接收物理世界中的第三位信息(尺寸和距离等几何数据),即使算法及软件再先进,在有限的信息接收状态下,,安全级别终究不够高,通过照片//视频/化妆/人皮面具等方式可以很容易进行破解,无法满足智能手机安全级别的需求。

    3D人脸识别则是通过3D摄像头立体成像,能够识别视野内空间每个点位的三维坐标信息,从而使得计算机得到空间的3D数据并能够复原完整的三维世界,并实现各种智能的三维定位。简单的说就是机器获取的信息多了,分析判断的准确性有了极大的提升,人脸识别功能可以分辨出平面图像/视频/化妆/皮面具/双胞胎等状态,适合金融领域和智能手机等安全级别要求高的应用场景。

    1、三种主流的3D成像技术

    (1)结构光(Structured Light):结构光投射特定的光信息到物体表面后,由摄像头采集。根据物体造成的光信号的变化来计算物体的位置和深度等信息,进而复原整个三维空间。

    (2)TOF(Time Of Flight,飞行时间):通过专有传感器,捕捉近红外光从发射到接收的飞行时间,判断物体距离。

    (3)双目测距(Stereo System):利用双摄像头拍摄物体,再通过三角形原理计算物体距离。

    在这三种技术当中,哪种技术更适合智能手机的应用呢?

    由上图可知,三种技术当中只有双目视觉不适合昏暗环境使用,也就是说我们的智能手机在夜间无法实现人脸识别解锁,首先就被排除了。

    下面再来看看TOF技术和结构光技术。

    TOF技术具有响应时间更快,抗光照表现尚可,深度信息精确度高、识别距离远等优势,但是其也有着分辨率低、成本高、功耗高、模块太大的劣势。

    而结构光技术优势则在于低光下表现良好,分辨率更高,成本、功耗适中,主要缺点是易受阳光影响,识别距离短,相应时间稍慢的缺点。

    不过就应用于智能手机上的人脸识别功能,结构光技术应该是要比TOF技术更有优势。因为通过智能手机的前置3D系统来进行面部识别这种应用场景本身识别的距离就很近,所以不存在需要支持更远的识别距离的问题。另外结构光相比TOF技术,短距离的精度更高,也更适合用在手机前置摄像头上。而且其分辨率、相应时间已经足以应对手机端面部识别的需求(采用TOF技术的Project Tango手机是后置3D系统,其作用也不是主要用于面部识别)。

    另外,就两种技术所产生的深度图来看,TOF深度图会存在多重反射产生的噪音、边缘精细度过低、时域滤波导致滞后等问题。而结构光的深度图则只有边界线清晰度略低的问题。最后,由于是用在智能手机这样的消费类移动设备上,所以成本、功耗也都是需要考虑的因素。

    所以总的来说,如果是手机前置3D面部识别系统,结构光技术相比TOF技术更具优势。传闻苹果iPhone 8的3D面部识别系统将会采用结构光技术。

    国内人脸识别技术厂商

    目前,国际巨头Apple、Microsoft、Facebook/Oculus、Intel、Google等早已瞄准3D成像人脸识别技术,近年来收购了十数家这个领域的创业公司并且势头不减。过可惜的是,上述大公司无一例外都在为自己的产品构建核心技术门槛,为内部生态服务,至少目前不会致力于成为深度传感器和技术服务的专业供应商。

    不过可以看到这一技术的研究和开发多为国外公司,国内计算视觉方面的公司或创业团队屈指可数,技术上的壁垒相当大。

    1. 旷视科技

    这家公司最近可谓是风头正盛,支付宝的刷脸支付应用以及小米最新发布的note 3人脸识别解锁功能都是选用了旷视科技的人脸识别方案。据悉,Note 3 的整个刷脸解锁过程只需 500 毫秒,这种非接触式的解锁方式从体感上更是快过指纹解锁。旷视科技全名叫做北京旷视科技有限公司,其代表产品为Face++,是新一代云端视觉服务平台,提供一整套世界领先的人脸检测、人脸识别、面部分析的视觉技术服务。

    旷视科技的团队很年轻、很极客范,基本上是一群85后。公司三位创始人都来自于清华大学,其中一位创始人印奇拥有美国哥伦比亚大学3D相机方向博士学位背景,他曾在微软亚洲研究院工作过四年时间,研发出了微软当时核心的人脸识别系统,最后被广泛应用在微软Xbox和Bing等产品中。,Face++在人脸检测FDDB评测、人脸关键点定位300-W评测和人脸识别LFW评测上,接连拿下了这三项的世界第一。其中尤为值得一提的是,在最重要的互联网图片人脸识别(Face recognition)LFW中,Face++团队更是力压Facebook人脸团队,在极难识别的互联网新闻图片上,获得了97.27%的准确率。

    如今,旷视(Face++已经把人脸识别技术渗透到金融、安防、保险、零售、地产、共享出行等各行各业当中,其中也包括手机产业。服务客户包括360搜索、世纪佳缘、美图秀秀、美颜相机、联想、神州智联等。

    2、云从科技

    云从科技创办于2015年4月,是一家从中科院重庆研究院孵化的专注于计算机视觉与人工智能的企业。创始人周曦,本科和研究生毕业于中国科学技术大学,随后到美国伊利利诺伊大学(UIUC)攻读博士,师从被誉为“计算机视觉之父”的Thomas Huang(黄煦涛)教授,在 2007-2011 年期间,带领UIUC团队六次斩获世界模式识别大赛冠军。

    成立2年来,云从科技已经获得两轮融资(全部为人民币架构),天使轮融资6000万元,A轮融资近2亿元。2016年销售额近亿元,2017年上半年就销售过亿元。

    云从的客户已经有上百家,客户群体主要集中在金融、公安和商业。截至目前,云从科技在银行市场占有率达到一半以上,核心原因是其拿下了国内60%的总行订单。

    3、奥比中光

    奥比中光是人脸识别技术的硬件提供商,代表产品为3D结构摄像头。这家公司来头也不小,由手机芯片厂商台湾联发科投资,奥比中光的相关人士表示,目前全球能量产结构光方案3D摄像头的,只有四家公司:苹果,英特尔,微软以及奥比中光。

    作为2014年深圳市孔雀计划第一名,奥比中光所推出的3D深度摄像头Astra、Astra Pro、Astra mini早在2015年已经完成量产,并在2016年获得联发科的战略入股。可实现人脸识别、手势识别、人体骨架识别、三维测量、环境感知、避障、跟随、三维地图重建等数十项功能,可广泛运用于电视、手机、机器人、无人机、VR/AR、智能家居安防、汽车驾驶辅助等领据悉,支付宝人脸支付的硬件采用的便是奥比中光的产品。

    4、科大讯飞

    据官方资料介绍, 科大讯飞股份有限公司成立于1999年,是一家专业从事智能语音及语言技术、人工智能技术研究,软件及芯片产品开发,语音信息服务及电子政务系统集成的国家级骨干软件企业。2008年,科大讯飞在深圳证券交易所挂牌上市,股票代码:002230。

    虽说是国内十大人脸识别技术,不过小编查询官网中的“核心技术”一栏,并没有找到关于人脸识别。

    不过在2014年12月21日,深圳举行的讯飞人脸识别发布会上,香港中文大学汤晓鸥教授表示:“科大讯飞联手香港中文大学多媒体实验室,已经基于最新的技术突破制作出完整的一套人脸图像处理系统SDK,包括人脸检测,人脸关键点对准,人脸识别,表情识别,性别识别,年龄估计等各种基础技术包,全力助推刷脸时代到来。”有资料显示,科大讯飞将在今年9月份推出人脸识别。

    5、汉王科技

    据官方介绍,汉王科技股份有限公司成立于1998年,是全球文字识别技术...

  • ?

    人脸识别安全吗?最少5种方法可破解!

    汤姆

    展开

    指静脉识别技术应用领航者

    运用人脸识别市场如火如荼,那么咱们来探讨些不一样的东西,人脸识别到底安全吗?是否可以破解呢?先看下这五种人脸识别的破解方法吧,让大家知道人脸识别的安全隐患在哪里!!

    1. 注入应用绕过活体检测

    通过注入应用的方式来篡改程序,从而绕过所谓的活体检测功能,使用一张静态照片就可以通过人脸识别。

    2. 视频攻击绕过活体检测

    安装一个 Photospeak 软件,然后找到一张人脸正面照片,输入到软件中,就可以令其开口说话,所谓的活体检测也就不攻自破。

    3.三维建模绕过云端检测

    下载一款“FaceGen”和“CrazyTalk”的软件,参照选中照片中的脸部特征,可在短时间内就做出了对应的3D建模图像,人脸检测软件对比结果显示,短时间内制作出来的模型与原来照片的相似度分别高达 73.17 %和 86.71%,可以用来破解要求用户进行点头、摇头等动作的人脸识别。

    4. 利用接口防护不当和各种奇葩的设计缺陷

    部分APP在使用上传人脸图像时,没有对图像数据进行签名,导致图片可以被工具截获然后篡改,而有的则是在数据报文没有加入时间戳,可以通过重放数据报文的方式来实施破解。

    5. 脸部模具绕过云端检测

    通过高精密的3D打印机,打印足够精细的人脸模型,也可以通过人脸识别。

    如今人脸识别的安全隐患被315曝光,是时候敲响警钟了,我们不能盲目地将个人隐私的照片、活动行为等毫不节制地分享到各个社交平台,这是对于消费者公众的告诫;同时,我们一直提倡使用更高安全的身份识别方式,比如采取易时代一直在提倡的新一代的指静脉识别技术,或者多模态生物识别相结合。

    扫描二维码

    关注更多精彩

  • ?

    手机上的人脸识别技术,你了解多少?

    毒蘑菇

    展开

    这两年,随着科技的迅速发展,人脸识别已经逐渐成为了新时期生物识别技术应用的重要领域,忘记密码了?没事儿,咱还可以“刷脸”!今天,小编将带大家了解一下最新的人脸识别技术,看看这项技术发展到哪一步了。

    传统的人脸识别技术主要是基于可见光图像的人脸识别,人们也比较熟悉这样的识别方式。不过,这种方式的缺点其实非常明显,光线的限制性非常大,并不能满足实际的需要。解决光照问题的方案有三维图像人脸识别,和热成像人脸识别。但这两种技术还远不成熟,识别效果不尽人意。

    迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响,已经取得了卓越的识别性能,在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速,使人脸识别技术逐渐走向实用化。

    目前市场上有三种主流方案,它们分别是:

    3D结构光方案(Structured Light)ToF 3D方案(Time Of Flight,时差测距技术)双目立体成像方案(Stereo System)3D结构光(Structured Light)

    3D结构光技术的基本原理是,通过近红外激光器,将具有一定结构特征的光线投射到被拍摄物体上,再由专门的红外摄像头进行采集。这种具备一定结构的光线,会因被摄物体的不同深度区域,而采集不同的图像相位信息,然后通过运算单元将这种结构的变化换算成深度信息,以此来获得三维结构。

    简单来说就是,通过光学手段获取被拍摄物体的三维结构,再将获取到的信息进行更深入的应用。

    可以预见结构光这种方案在未来的优势还是很有前景的,可拓展空间更加广阔,比如5G通信、AR以及其他与3D建模等相关的领域都可以发挥它独有的关键作用。

    不过 3D 结构光也有它的局限,相比传统的摄像头,3D 结构光可以工作的距离要短一些,最长距离一般在 1 米左右,OPPO给出的数据是60cm远精度也能控制在±1mm范围,当然这个距离对人脸解锁是绰绰有余的。

    采用3D结构光技术作为人脸识别的手机都有哪些?

    iphone x/xr/xs/xsmax

    去年iphoneX上市可谓是引起了全球所有人的注意,因为iphoneX代表着苹果未来的手机的模样,自然也是汇聚了苹果最顶尖的技术。要说iphoneX身上最值得我们记住的黑科技,那当然是苹果的faceId人脸识别功能啦,苹果的faceId不仅能给屏幕解锁,而且其安全程度已经可以达到支付级别了,同时在今年发布的一些列新机中人脸识别已经自然成了标配。

    苹果的这项技术的发明走在了安卓阵营前面,也给安卓手机厂商指明了一个技术创新的方向。

    oppo Find x

    时隔一年,在安卓手机厂商的努力下,安卓手机也开始使用了类似苹果face id一样的技术,比如oppo find x的O-Face 3D结构光技术,oppo官方称解锁速度过程只需要0.5s的时间,Find X的3D相机可以发射出15000个光点,容错率高达百万分之一,已经远远超过普通的2D面部了以及现有的指纹识别的,目前也已支持支付宝和微信支付了。

    mate20pro

    除了oppo Find X de O-Face 3D 外还有一家安卓手机厂商也研发出了3D结构光的人脸识别技术并且已经在自家旗舰产品中投入使用了,那就是华为及自家旗舰华为mate20pro。华为mate20携带了自家研究的3D结构光技术,高精度人脸识别技术和支付安全技术,同时支持支付宝和微信支付,通过点阵投影,不仅使安全识别的安全性提高了,还支持最快0.6s的解锁速度。

    同时3D结构光技术可以配合高清前置摄像头实现3D建模,将现实中的物体变成你手机中的玩偶,可玩性极高。

    ToF(Time Of Flight)

    ToF是3D深度摄像头的其中一种方案,是结构光的同门师弟。

    ToF测距有单点和多点两种,其中手机上一般会用多点测距。多点测距的原理和脉冲的单点测距类似,但是其收光器件为CCD,即带电荷保持的光敏二极管阵列,对光响应具有积分特性。基本原理是激光源发射一定视野角激光,其中激光时长为dt(从t1到t2),CCD每个像素利用两个同步触发开关S1(t1到t2)、S2(t2到t2+dt)来控制每个像素的电荷保持元件采集反射光强的时段,得到响应C1、C2。物体距离每个像素的距离L=0.5*c*dt*c2/(c1+c2),其中c是光速(该公式可以去除反射物反光特性差异对测距的影响)。

    简单来说就是,发出一道经过处理的光,碰到物体以后会反射回来,捕捉来回的时间,因为已知光速和调制光的波长,所以能快速准确计算出到物体的距离。

    TOF技术的优势在于整体组件更小,不用留大刘海,识别距离更远,可以拓展更多的应用;在画面拍摄后计算景深时不需要进行后处理,通俗的讲可以避免时间延迟又可节省采用强大后处理系统带来的相关成本;具有不易受外界光干扰、体积小巧、响应速度快以及识别精度高等多重优势。

    劣势在于硬件成本居高不下,主要体现在组件的价格上,光子探测阵列、激光器和检测的传感器,都需要非常高端的器件。硬件技术上成本很高,再加上软件算法的成本就更高了,且目前能够提供可靠硬件产能的厂商凤毛麟角,而这一切都将推高成本。

    不过随着ToF技术需求的日趋爆发,ToF技术的普及与发展指日可待,所以vivo果断切入TOF技术占据先机实在勇气可嘉,连最强的苹果分析师郭明錤也曾预测2019年iPhone也许会有重大创新就包括采用ToF技术,由此可见TOF技术的先进性。

    双目立体成像方案(Stereo System)

    双目立体成像(Stereo System)是利用双摄像头拍摄物体,再通过三角形原理计算物体距离。已经上市的华为nova3采用的就是双目3D人脸识别方案,而且是IFAA(互联网金融身份认证联盟)提供的标准,这也是其达到支付级的主要原因。nova3搭载的两个RGB(彩色相机)摄像头通过模拟双眼视觉系统来识别设备使用者。

    双目方案的原理最简单应该是比较早的一种人脸识别方案,方案成本最低。所有采集的深度信息都依靠摄像头所采集的图像来通过软件算法得出,精度要求取决于捕捉分辨率。同时由于这种方案需要依靠算法分析图像得到深度信息,计算负荷最大、算法复杂性最高、实现难度大,识别的速度较慢。另外它也会受到光线的影响,尤其是昏暗环境下。

    总结

    从iPhone X、小米8透明探索版和OPPO Find X3D的市场反响来看结构光这种方案是目前效果最好的,因为消费者的体验有目共睹,双目测距方案注定只能沦为中端机型的权宜之计,而有一拼的TOF技术很值得期待,但因为还只是水中花 、镜中月,所以只有等到真机的推出才能评判了,当然最终还要依赖市场的检验了。

    点击图片,查看更多精彩内容

  • ?

    人脸识别的应用场景和技术盘点

    英雄

    展开

    肯德基的“微笑付款”系统,Iphone X 的Face ID,银行ATM机的“刷脸取款”,支付宝和京东钱包的“刷脸”解锁,微信钱包微证券产品推荐用户“刷脸”开户........近年来,伴随身份证、银行卡、微信和支付宝账号纷纷与“脸”绑定在一起,“刷脸时代”正大步流星地向我们走来。刷脸支付、刷脸门禁、刷脸解锁、刷脸取款、刷脸入住等,掀起了一股刷脸大潮,勾画出了未来人脸识别取代钥匙、银行卡甚至身份证的远景。有数据显示,2016年我国人脸识别行业市场规模已超过10亿元,预计到2021年将达到51亿元左右。

    相比容易复制的“指纹识别”、黑暗中准确率容易降低的“虹膜识别”等生物识别技术,人脸识别由于其识别过程友好、可快捷隐蔽地进行身份确认等优势,大有后来居上,成为安全认证主力的势头。如今,人脸识别技术的应用正在从金融、安防等领域逐渐应用到消费和生活场景中。

    其中,在零售、餐饮等商业领域,人脸识别系统能充分利用机器视觉对人脸的特征识别和归纳能力,将客户的性别、年龄、心情等作为商业需求的对应特征,针对性地实时推送客户感兴趣的内容,为商家进行目标客户群导流和精准销售;另一方面,通过对不同人群感兴趣内容的观察和学习,可逐步提升对目标人群推送内容的匹配精准度。

    本文笔者盘点了人脸识别的应用场景及主要技术服务商。

    应用场景一 KFC的刷脸支付

    阿里巴巴旗下的蚂蚁金服在杭州推出“Smile to Pay”这项服务,并与肯德基店进行合作。该支付过程不需要使用智能手机来进行操作,但前提是客户需提前在支付宝APP进行注册,并启用面部识别功能。在支付过程中,显示屏上的3D摄像机对顾客的脸部进行扫描,以验证其身份,此外还需通过号码验证以增强其安全性。

    与KFC的合作是全球首个技术商业应用。KFC的母公司百胜公司是市场上最大的快餐连锁店,拥有超过7685家网点。自去年从其美国母公司百胜公司脱离后,百胜中国便致力于开拓中国市场,增加其营业额,但受中国食品安全恐慌和消费者品味的变化,其业绩并不是很好。

    阿里巴巴作为百胜中国的投资者,通过与KFC合作,旨在刺激中国新一代年轻人的消费。百胜中国总裁Joey Wat表示:“该店面向年轻人,尤其是那些对科技感兴趣或是热衷于接受新的口味与创新的消费者。”

    应用场景二、淘宝购物节上的“淘咖啡”

    7月8日在杭州的街头,马云的第一家无人超市“淘咖啡”开业了,只要使用手机淘宝或者支付宝扫码便可以直接进店,扫码完成后闸机门就会自动打开,深度结合了物联网技术,包括入口的人脸识别,店内的 3D 客流统计摄像头,都是在确保用户身份的前提下来监督用户行为。

    整个超市没有一个售货员,各种商品应有尽有,玩具、公仔、日用品、饮料,等等商品,拿起就走,一切看起来和传统超市基本没什么区别,但是如果你想把商品放进口袋,浑水摸鱼带出去,在人脸识别黑科技面前那是不可能的,一切都会被识别出来。

    在“淘咖啡”无人超市中我们可以发现店内有一个触屏桌面,桌子由三部分物件构成:带有多点可触的桌面式屏幕、桌面上方四个人脸识别摄像头、四把普通椅子,顾客坐在椅子上,人脸识别摄像头会自动识别顾客身份,桌面屏幕打开顾客淘宝帐号,并自动切换店内虚拟库存商品清单,顾客划屏点击商品添加购物车,手机淘宝APP购物车内同步显示添加成功。选完商品,顾客可以选择送货上门,然后离店,无需通过自动结算通道离开。

    淘咖啡体验店内遍布摄像头,不同于一般店内的监控摄像头,淘咖啡店内的摄像头背后是一套自助检测与跟踪系统。从消费者进店起,淘咖啡店内的摄像头就开始捕捉并追踪消费者在店内的所有行为:比如通过消费者拿到商品时的表情和肢体语言,商家可以判断某款商品是否符合消费者的心意;再比如捕捉到消费者每一个货架前的停留时间、商品选购和行动路线,都可以指导商家来调整店内货物的陈列方式和服务装置。

    这些数据实际上反映的是消费者的消费习惯和需求,当积累了一定量的运营数据之后,这种技术就可以服务于线下,形成一套基于用户行为的分析体系,为消费者提供更加个性化的服务和消费体验。商家可以通过人脸识别软件云平台深度学习,不断优化调整店内陈列和商品优化,提升商家的零售效能。

    应用场景三、京东无人超市

    京东无人超市通过人脸识别、图像识别等技术,打造了全场景、即拿即走、数字化运营的完整无人店方案。

    首先,京东将人脸识别作为用户进门凭证,初次进入时绑定用户身份和支付信息。

    然后,京东给每个货架上都装有智能传感器和人脸识别摄像头。智能传感器设于货架底部,用户在货架前拿走商品后,会触发智能感应器及人脸识别摄像头,实现人货绑定。期间,店内的传感器可以感知消费者行走的路线,所观察的商品,哪些商品被拿起以及看了几秒。后台对这些数据进行分析后,可以帮助超市运营人员进行精准营销。每个商品上都贴有RFID标签,鉴于这种技术相对成熟,目前国内无人店均采用这种方式进行自助结算买单。

    最后,挑选好货物,通过结算通道走出超市即可,走出通道时,人脸识别、智能摄像头、智能价签等技术会帮你从绑定的京东账号付款。

    无人超市通过人脸识别、图像识别等技术,打造全场景、即拿即走、数字化运营的完整无人店方案,有效推动线下店在成本、效率、用户体验方面的优化。无疑此次京东无人超市的启动,展现了东在技术领域、特别是物联网和智能化领域的全面布局。据京东内部人员透露,此次推出无人超市不仅是对相关智能科技进行展示而是有盈利需求的,希望能够带来良好的经济效益,明年6月18日前预计将在各地推出100家。

    应用场景四、Amazon Go无人超市

    亚马逊无人超市——Amazon Go所采用的的是机器视觉识别技术。消费者进入Amazon Go购物,需要一个亚马逊帐号,并下载app。在入口处会对顾客进行人脸识别,确认用户身份。当消费者在货架前停留并选择商品时,摄像头会通过图像、手势识别判断顾客是否将货物置于购物篮(购买)还是只是看看然后放回原处(未购买)。

    通过货架上的红外传感器、压力感应装置(确认哪些商品被取走)及荷载传感器(用于记录哪些商品被放回原处),扫描并记录下消费者购买的商品,实时传输至Amazon Go的信息中枢,然后自动在顾客亚马逊账户上结算,用户购物完成,直接离店。

    然而,当商品与原本位置不一致时,Amazon Go此时往往无法很好地对商品进行识别。此外,根据外媒的报道,一旦选购人数超过20人,Amazon Go就很难追踪用户以及手头上选购的商品,因此这项技术目前的测试环境仅能容纳少量用户,或者要求用户放慢移动速度,这可能是Amazon Go推广计划延迟的原因。

    目前针对亚马逊的内部员工内测。未来,因为必须统一使用亚马逊账户结算而无法对接国内占据市场主导的支付宝微信钱包等,可想而知,其线下门店主要服务的也是亚马逊原有的线上用户。

    亚马逊并未透露其门店搭建成本,但根据推断,Amazon Go造价不菲,一个门店的投入成本可能高达千万美元级别。

    技术不成熟,造价高昂,可能都是Amazon Go仍然停留在概念店阶段,难以大幅推广的原因。

    应用场景五、亚马逊利用面部识别系统改善排队顾客体验

    在超市购物,长时间不挪寸步的排队令顾客心烦意乱,这时有超市员工面带微笑,询问有什么需要帮忙,并帮顾客解决了问题,你会否瞬间感到宾至如归,暗暗打定主意下回再来?

    针对该体验的改善,沃尔玛开发了一种面部识别系统,用来识别那些不开心或者有低落情绪的顾客。通过机器学习技术,面部识别系统能够识别出不同程度的低落情绪。该技术主要针对排队起始到结账过程,摄像机记录下顾客的面部表情和肢体动作,然后分析他们是否不满,一旦检测出有程度高的低落情绪,系统会警告员工,同时管理人员将知会对应员工提高服务水平,缓和用户情绪,让一切防患于未然。随着数据的积累,最终这一系统将能实现分析消费者购买行为趋势。早在2015年,沃尔玛就曾将这项技术用于检测和防盗窃测试。

    应用场景六、见福便利CRM人脸识别

    今年9月福建见福便利店与微软CRM合作,引入人脸识别系统,开启智慧零售新时代。目前,见福便利店是全世界第一家尝试做人脸识别的便利店企业,走在7-11、全家FamilyMart的前面。见福CRM人脸识别系统分为四步:1.顾客走进便利店,立刻被人脸识别系统锁定,一个以顾客为核心的大数据群就会随之无声无息地形成;2.客户选购时,通过鱼眼做热点图分析客户对商品的喜好;3.支付时,收银台上的摄像头对客户进行人脸识别,POS机上让用户的“人脸ID”、消费行为挂钩;4. Microsoft Azure技术可做到12个脸部维度数据,进行客户年龄、表情判定,顾客离店,表情展示的“喜怒哀乐”可了解顾客对购物的满意度,以此调整下次提供商品和服务的策略。

    据了解,见福便利店福建已有1000多家,堪称福建便利店的龙头老,截止至9月18日,见福便利店已完成150家门店的设备安装,其中已有120家门店完成调试,80家门店实现CRM人脸识别认知。到今年底,见福便利店的一千多家门店都将履盖该系统,并投入使用。

    见福便利店引入CRM人脸识别认知不仅方便了顾客;更为重要的是它将促进零售业智慧转型,降低零售业成本,实现千店千面的精细化运营。

    技术提供商

    人脸识别其实是生物识别的一类,其它还包括指纹识别、虹膜识别、声纹识别、步态识别等等。人体是复杂庞大的系统,具有超出人类想象的丰富特征,而基于大量的数据和对算法的设计,机器的识别能力正变得越来越精准。下面我们看一下2017人脸识别技术的技术提供商排名前5位:商汤科技、旷视科技、云从科技、依图科技和百度。

    第一名、商汤科技

    商汤科技,专注于机器视觉和深度学习的AI创业公司,如今备受市场关注。作为一家中国的人工智能领军企业,商汤科技成立至今其实才仅有三年的时间。商汤科技基本是通过汤晓鸥教授以及实验室师兄弟的关系,在创立开始完成了最为重要的原始人才积累。其实验室的许多博士生加入商汤,成为最早的创始团队成员。

    一名AI人才的成熟大概需要5~7年的积累。商汤目前已经有了一支120人组成的博士队伍,未来还会尽可能多地招揽市场上已经成熟的AI人才,公司将大约一半的资金投入到人才招聘方面。

    商汤的视觉分析解决方案,已经为京东、小米、华为、360等客户的产品提供技术,还有前段时间很火的Faceu应用,以及Snow自拍App、花椒直播、美图相机等等这一类产品均使用了商汤科技提供的技术。

    商汤的主要业务板块是智慧金融、智慧商业、智慧安防和互联网+,涉及的领域有很多。目前来看,安防的市场正在逐渐变大,除此之外,金融、商业、互联网都各自占据了一部分比较重要的位置。其原创AI技术的应用场,包括SensePose、SenseFace、SenseVideo、SensePhoto、SenseAR等解决方案。这些人工智能应用产品,未来将在全球多个行业和场景下得到广泛运用,如智慧城市、智慧家居、互联网娱乐、手机、无人驾驶、医疗等领域,未来我们将会看到大量传统的低效率工作被高效的人工智能机器所取代。

    如今,商汤在这个行业中所做的事情,是很多企业所做的目标,信息的连接到最后万物互联。万物互联走向一个万物智能的阶段,商汤要在万物互联这个大势之下,为更多合作伙伴和更多企业提供智能的核心。

    第二名、旷视科技

    2011 年旷视(Face++)成立,成为国内最早一批在计算机视觉领域的创业公司,此后三年间,旷视科技一直致力于打造自己的人工智能开放云平台,提供人脸识别、图像识别的开放服务。

    期间,它开始聚焦在两个行业方向:一个是互联网金融,以提供人脸识别认证服务为主,另外一个是泛物联网,具体来说是将线下的摄像头在端上或云上智能化。

    Face++, 2014年,获阿里巴巴旗下蚂蚁金服投资,主攻金融和监控两大行业,有子公司旷视智安;为阿里巴巴提供刷脸服务的旷视(Face++)在2016年4月曾对外公布已经帮助一亿人提供了刷脸服务。

    对着相机微笑就可以自拍,用支付宝“刷脸”就可以完成付款,监控视频可以自动辨别逃犯……这些以前只存在于科幻电影中的场景,旷视科技把它们一一变成了现实。据公司创始人之一印奇介绍,旷视科技的人脸识别技术在世界范围内处于领先水平,目前已经和包括支付宝、camara360、魔漫相机、360搜索、小米金融等热门应用在内的30000多个App建立了合作,其中国外客户占到了30%。

    2014年,旷视科技搭建了Face+...

  • ?

    315预警P图软件照片竟可通过人脸识别

    束缚

    展开

    【手机中国 软件】在315晚会的现场互动环节,主持人问在场观众是否都有社交账号,是否常常在这些社交平台中发布自己的私人照片,可以看到观众几乎都举起了手。主持人从现场一位男士的社交平台中截取了一张照片,并请工作人员变了一个“魔术”,经过简单的PS之后,原本的平面二维照片竟然可以做出“眨眨眼”“动动嘴”等动作。更为可怕的是,当主持人的手机屏幕投射至了大屏上时,他的脸竟然变成了刚刚与主持人互动的男观众。

    当前市场中存在各种各样的P图软件,你有没有想过这些照片有可能被不法分子用作“人脸识别”验证的工具呢?

    P图软件成功通过人脸识别

    主持人打开了一款需通过“人脸识别”验证的应用,使用的工具正是经过PS的照片,伴随着“请眨眼”的提示,照片验证竟然通过了,主持人不禁感到浑身冒冷汗。但其实还有更高端的人脸识别系统,称为“活体检测”。主持人继续使用刚刚的图片进行试验,在软件提示“右转头”“左转头”“左右转转头”“请微笑”的要求后,验证再次通过。也就是说即使是更为高端的识别系统,一幅经过处理的照片同样可以毫不费力的轻松通过。

    目前,有不少软件都推出了“人脸识别”验证方式,然而多数技术并不成熟,在此,希望这些企业能够少一些概念,脚踏实地的做好每一件事,共同筑起铜墙铁壁,保障网络安全。

    此外,小编也提示那些热衷于在网络中晒照片的朋友,时刻警惕可能存在的信息盗用行为,只有100%的防范意识才能将风险降至最低。

所有视频需要登录后,才能观看

请先登录您的帐号,即可完整播放,如果您尚未注册帐号,请先点击注册。