你好,游客 登录
背景:
阅读新闻

久经亿万用户检验 百度如何做人脸识别“天眼”

[日期:2016-03-04] 来源:ZDNet至顶网  作者: [字体: ]

  很多人会对电影《速度与激情7》出现的“黑科技”感到惊叹,其中之一就是“天眼”,这个电影中的天眼系统能够准确定位任何一个出现在地球城市街道上的人。

  

久经亿万用户检验 百度如何做人脸识别“天眼”
《速度与激情7》“天眼”系统画面

  之所以这么容易,是因为天眼系统利用了全球所有城市街道的摄像头并将其拍摄的影像数据汇入到一个庞大的网络中。锁定目标的关键之处就是利用人脸识别结合后台大数据分析并定位出其位置。

  当然,这是电影中的情节,其实在现实中类似天眼的能力也在形成雏形。在前文(专题链接)中我们已经阐述了中国大脑、人工智能等技术的发展给工作、生活、社会所带来的改变与影响,相信你也会感触“天眼”真的并不遥远。

  本文就来看一看这些人工智能背后的技术支撑,尤其是人脸识别技术,是如何让天眼们运转起来的。

  解析百度人脸识别

  人脸识别系统成功的关键在于是否拥有尖端的核心算法,并使识别结果具有实用化的识别率和识别速度,它集成了人工智能、机器学习、模型理论、视频图像处理等多种专业技术,现已运用在智能门锁、刷卡、取款等众多场景中。

  在人脸识别领域,百度人脸识别BFR(Baidu Face Recognition)可谓独树一帜,为什么这么说?学术界有一些公开的数据集供学者和企业机构来做人脸技术的评测,其中影响力最大的有两个,一个是人脸检测的评测数据集FDDB(http://vis-www.cs.umass.edu/fddb/results.html),另一个是人脸识别的评测数据集LFW(http://vis-www.cs.umass.edu/lfw/results.html)。根据百度此前公布的数据显示,百度深度学习实验室(IDL)的人脸技术团队在这两个数据集上发布了他们最新的结果,在两个数据集上都取得了第一名的成绩,击败了微软、谷歌、Facebook以及各类高校等技术实力强劲的技术团队。

  

久经亿万用户检验 百度如何做人脸识别“天眼”
 (图)在FDDB评测数据集中,百度的技术指标已经达到了相当高的水平

  

久经亿万用户检验 百度如何做人脸识别“天眼”
(图)LFW中,百度人脸识别准确率达到99.77%

  百度人脸识别BFR基于百度业界领先的智能人脸分析算法,提供了人脸检测、人脸识别、关键点定位、属性识别和活体检测等一整套技术方案。在FDDB、LFW和FG2015的评测中的优异表现,无疑体现了百度人脸检测和识别算法的领先性。

  具体体现在产品功能中来说,例如,人脸检测,能够自动确定图片中人脸的数目及每个人脸框的位置和大小,支持正面、侧面多个角度,支持活体检测;定位与解析,自动定位脸上眼睛、眉毛、鼻子、嘴巴、脸颊轮廓等70多个关键点的位置,同时支持像素级人脸解析;属性识别与分析,自动根据人脸图像识别人的性别、年龄、表情、眼镜、姿态和美丑等属性;人脸识别,支持一对一人脸比对,一对多人脸辨识(watchlist)以及人脸搜索功能。

  可以想象这些丰富的特性可以应用在哪些场景中,人脸检测、追踪,活体检测,可用于安防监控;人脸关键点检测,像素级人脸解析,可用于图片编辑、人脸美化等移动应用场景;人脸属性识别如种族、性别、年龄等,可用于机器智能;人脸识别,包括1:1人脸验证,用于身份认证、人脸登入验证等场景;1:N人脸识别,可用于安防刷脸、智能相册管理、人脸搜索和人脸登入等场景;大规模人脸搜索,比如社交搜索、逃犯追缉等。

  在我们已知应用的场景中,百度人脸识别所有算法通过了全网人脸搜索、百度网盘、百度魔图等亿万级别用户产品的检验。

  以百度网盘和百度魔图为例,百度网盘通过BFR实现了对网盘中的图片进行分类搜索,从而方便用户从大量图片中快速找到自己想要的照片,同时方便按人脸归类管理。百度魔图是一款智能手机上的移动图片美化应用,拥有超过1亿用户,依托人脸识别技术,智能侦测人脸,提供了美颜、PK大咖、看看和你最像的明星是谁等丰富有趣的功能体验。

  用深度学习算法革新人脸识别技术

  百度人脸识别能够获得评测机构给出的优异成绩以及经受亿万用户考验,来源于BFR对背后技术的深耕。

  据悉,百度的人脸技术从2012年底开始发力,因为认识到了人脸技术在产品上的巨大价值,人脸技术团队决定利用深度学习算法对人脸技术进行一次革新,用更高精度的算法实现更大的价值。

  传统的人脸检测和识别算法都有一套固定的分阶段训练框架,人工定义的特征表示往往比较简单,无法很好的表示人脸的特征,而分段的训练方式使得每一段训练过程的目标并不完全一致,这两点制约了算法的进一步提升。而深度学习的复杂非线性特征表示和“端到端”的特性刚好相反,整个训练过程完全是以统一的目标为导向,中间过程无需人工定义而且可以学习出更有代表性的特征表示,从而达到更好的效果。

  当然,深度学习在人脸技术上的应用并非易事,百度人脸技术团队在当时就遇到了多个难题,例如没有大规模的训练数据、人脸检测如何用深度学习算法来做在业内没有先例、以及训练速度瓶颈等问题。不过,最终技术人员利用自身特长和百度公司优势攻克了一个又一个难题,实现了对人脸技术的革新。

 

  现在,百度开始把这项领先的人脸技术推广到行业应用中去,例如金融,通过开放能力使金融企业在关键交易中使用人脸识别进行刷脸支付,控制风险。更具震撼的例子是百度的自动驾驶汽车,通过人脸技术的应用,百度自动驾驶汽车可以实现对人的检测,从而有效的做出避让、减速等操作。在我们想象中的未来科技中,百度人脸识别通过和相关行业深入融合必将大有用武之地,就算出现“天眼”大家肯定也不会感觉到非常突兀了!

收藏 推荐 打印 | 录入:Cstor | 阅读:
相关新闻      
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款
热门评论