• 资讯
  • News
  • 行业资讯
  • IndustryNews
  • 面对千篇一律的网红,机器人是否也会脸盲?

    • 行业资讯
    • 时间:2016-07-05
    • 来源: 雷锋网
    • 编译:jinjin
    • 我要投稿
    • 0
       近日,支付宝也策划了一次人机大战,只不过这次比的是人脸识别。代表人类出战的是人称“鬼才之眼”的水哥王昱珩,他的对手是支付宝旗下的人工智能生物识别机器人“蚂可”(Mark),他们的识别对象是数百名网红,根据选定的网红照片找出对应的网红。
     
      网红的特征就是美得千篇一律,而这无疑增加了识别的难度。当然,这是对于人类选手而言,对于机器人“蚂可”来说,面对网红是否也会面临脸盲的尴尬。
     
      左为王昱珩,右边工作人员手中机器为蚂可
     
      机器人如何识别人脸
     
      蚂可由蚂蚁金服生物识别技术小组与Face++合作研发。Face++市场负责人谢忆楠赛后接受媒体采访时对人脸识别技术进行了简单的解释,即通过脸上不同关键点之间的距离,通过算法算出人脸在不同角度下关键点的变化。蚂可每次识别都会从人脸上提取600多个关键点,进行交叉验证和动态识别。
     
      “算法的原理,简单点是可以这么理解,就是计算各个关键点的距离关系等。在这个方法上,关键点的位置识别就非常的重要。关键点是通过深度学习而来的,其实也非常符合人脸的视觉分析能力,就算是同一张人脸,稍微偏移一点角度,关键点都完全不一样。”某人脸识别从业者向雷锋网(搜索“雷锋网”公众号关注)表示。
     
      人脸识别技术的关键在于通过不同脸部图像上眼睛、眉毛、鼻子、嘴巴、脸颊轮廓特征关键点和面部表情网,找出彼此之间的关联,最终判定这些图像是否为同一个人。但是人脸是变化的,不同角度不同妆容都能影响特征关键点的抓取。
     
      该从业者表示,如果只是简单的化妆,仅改变一些色彩,是不会对识别结果有很大影响。 如果化妆太过度,以至于人眼都觉得化妆后变了样,那机器也会产生误差。
     
      人脸识别最重要的是样本库,样本库的大小影响识别精准度。如果样本库中只有一个样本,那么就是1:1的对比,精准度可以达到100%,但如果是1:N的对比, 就会难很多,N的数值越大,难度系数越高,同时需要巨大的运算性能支持。
     
      虽然才几个月大,但据蚂蚁金服透露,蚂可已经“阅人无数”,它识别过的人脸超过500万张,“看”过的照片超过1.2亿,人脸识别精度达到99.6%。
     
      网红脸是否影响人脸识别结果
     
      化妆对于机器来说,只要不是浓妆并不会大的影响人脸识别结果,那么面部特征重叠度很高的网红脸,又会有怎样的影响。
     
     
      “这个难度应该叫人脸比对精度的准确性。这个精度要看两个情况,1是算法水平,2是比对样本的质量。
     
      对于网红比对来说,得看比对使用的注册人脸是什么情况,比对输入人脸是什么情况。比如他们拿一个网红的童年照片,比如10岁的照片作为注册人脸。 然后拿这个网红的20岁的照片,作为输入人脸。由于人脸成长过程,肌肉骨骼本身就有稍微的变化,所以要认出是同一个人,也就是相似度足够高,难度是挺大的。 但目前的人脸比对技术可以满足这个需求,就是跨年龄的比对。
     
      另外就是PS 的情况。比如拿一个网红素颜的人脸作为注册人脸, 然后拿PS 后的照片作为输入人脸,进行比对。 如果PS 只处理脸部的颜色,比如美白、锃亮,并不对形状(骨骼形状)进行处理的话,比对精度是非常高的。 但如果PS进行了类似削股,拉长的处理,那精度就会降低。
     
      综合以上两个情况,就会得出比对精度跟跨年龄+PS程度,成反比。
     
      其实蚂可跟水哥的比赛,水哥是占优势的。因为对于水哥来说,他的注册人脸是来自于现场网红本人,水哥从人眼的各个角度,可以说是3D的将这个人脸注册进人脑系统。而对于蚂可来说,它可能只拿到几张人脸作为注册,可供分别的数据采集上,少于人类。”上述从业者表示。
     
      在这场网红脸识别的人机大战中,水哥王昱珩以3:2的优势胜出。在前两轮从上百张照片中找出随机选出的到场网红中,水哥王昱珩和蚂可均全部选对。在蚂可输掉的第三场,从80张幼年照片中找出2名随机选出的到场网红,水哥王昱珩选对一人,蚂可均未选对。由此可见,脸型的变化对于机器识别来说,难度系数更大。
     
      人脸识别精准度到什么水平了
     
      华盛顿大学的研究团队最近开发了一个有一百万相册图片的数据集,图片来自于全世界并且可公开提供创意共享许可证,代表着690572个独特的个人。随后他们考验人脸识别团队,让他们下载数据库然后观察当必须区分有一百万种可能性的匹配时他们算法的运行效率。
     
     
      Google的脸部网络在其中一项测试中展现出了非常高的性能,当面对更小的图片集时,达到了近乎完美的精准度,在百万人测试中精准度达到了75%。一个来自于俄罗斯N-TechLab的团队在另一个测试中脱颖而出,降到73%。
     
      同样的,在这个测试中,从不同的年龄阶段中识别出同一个人依然是最难以克服的问题。
     
      其实精准度得看各家厂商的设定,还有各项业务的要求。1:1的认证上,一般都要达到99%以上的相似度,尤其是在金融领域。1:N,比较复杂,可以设置高准确率,但漏检率会增加,一般也要求95%以上。虽然人脸识别离我们的生活还是有些遥远,但是正在向我们走近。
     
      “人脸识别从跟自己比对,到跟很多人比对,最终是为了服务快速简便的ID识别的场景上。因为人脸放开了双手,也同时脱离了手机、电脑等媒介。等于人脸就是你的随时身份认证标志,可以作为身份、会员、甚至是货币的代替品。 在未来科技生活中,会有非常大的想象空间,你看阿里在支付宝里面的概念视频演示,证明支付宝一直想借助人脸来打通人跟人、人跟系统的联系。从电脑,到手提电脑,到智能手机,到穿戴智能,到生物认证。放到日常生活中,确实挺远。但是在一些特殊的场景下,正在不断的尝试,比如招行的人脸取款,医院的人脸挂号等。能真正服务我们生活,减轻我们的沟通成本的场景,应该会首先用起来。”上述从业者表示。
     
      早在去年3月,马云便在汉诺威消费电子、信息及通信博览会(CeBIT)的开幕式上,向德国总理默克尔与中国副总理马凯演示了蚂蚁金服的Smile to Pay扫脸技术,为嘉宾从淘宝网上购买了1948年汉诺威纪念邮票。这次比赛虽然蚂可输了,但支付宝的目的其实也只是向外界展示其人脸识别技术。而这个比赛,其实并不能代表目前人脸识别与计算机性能的实际情况。蚂可未来需要面对的是,不经意的人脸图像,各种角度模糊眨眼动作的情况下,从千万张数量级上识别出正确的身份,并且是实时识别的,这才是蚂可以及阿里未来需要的人脸识别。当然,希望支付宝下次别让蚂可去识别网红脸了,看得人尴尬症都犯了。
    声明:凡资讯来源注明为其他媒体来源的信息,均为转载自其他媒体,并不代表本网站赞同其观点,也不代表本网站对其真实性负责。您若对该文章内容有任何疑问或质疑,请立即与中国机器人网(www.robot-china.com)联系,本网站将迅速给您回应并做处理。
    电话:021-39553798-8007
    [打印文本] []
    
    全部评论(0
    TOP Bookmark