5殺！張學友演唱會上屢立奇功的人臉識別，到底是什麼鬼？

賣門票換來一副手銬

就在近日張學友的演唱會上，又有兩名嫌疑犯被抓。如果不看日期，還以為是舊聞呢。

然而的確是事實，如果再加上前幾次，一共5殺！

以致網友調侃說：「唱歌可能就是歌神的副業」，「不要叫我歌神，叫我阿Sir」。

當然這只是一個笑話，真正的幕後功臣而是「另有其人」，那就是人臉識別。

人臉識別是什麼？

提到人臉識別，很多人第一反應就是「刷臉」。

其實，人臉識別的含義遠非如此。

從根本上講，人臉識別就是利用分析比較人臉視覺特徵信息進行身份鑒別的計算機技術。

說白了就是用攝像機或攝像頭採集含有人臉的圖像或視頻流，並自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術。通常也叫做人像識別、面部識別。

這就不僅僅是通過人臉進行身份確認或者身份查找的技術或系統，也就是我們常說的「刷臉」了。

事實上是一種更為廣義的構建人像識別系統的一系列相關技術，包括人臉圖像採集、人臉定位、人像識別預處理等。

也就是說通過人臉識別不僅知道「這人是不是某人」，更能清楚「這人是誰」。

「這是不是某人」

↓↓

「這人是誰」

↓↓

人臉識別是怎麼識別的？

人臉識別主要分為人臉檢測、特徵提取和人臉識別三個過程，而人臉識別是其中最關鍵的一步。

具體過程是這樣的：

首先通過攝像頭或攝像機給你照個相，傳遞到下一模塊。

這時候，識別技術就應該對你的圖像進行處理了，就像我們對自己的照片修圖一樣，例如瘦臉，美白等。

識別技術也要也同樣需要對你的臉進行校正，用它自己的方式給你的頭像打打光（光線補償），避免暗色過多。順便做一下灰度變換，濾波、銳化等等。

就下來就是重頭戲，提取你的臉部特徵了。就像我們說一個的長相是圓臉還是瓜子臉，頭大還是頭小，臉上有沒有胎記，如果有，長在哪裡，什麼顏色，面積有多大等等。

當然提取的方式也有多種，例如視覺特徵、像素統計特徵、人臉圖像變換係數特徵等等，方式不同得到的結果也不盡相同，到底用哪種，那就要根據具體的情況定了。

最後就應該做出判斷了。

根據提取的特徵，從資料庫開始搜索，看看有哪些人符合這些特徵。這其中有一個標準就是閥值的符合率，也就是說閥值越大，說明符合程度越高。

如果遇到閥值差不多的怎麼辦呢？

這個時候就要採集更多的頭像，或者更多與之相關的照片，把模型變得更加優化，這樣也就更能判定「這到底是不是某人」或者「這人到底是誰」。

比如要識別的人左臉上有顆胎記，結果資料庫有十個這樣的人，這時候就要看看這個人臉上其他的特徵，或者這個人經常出入的地方等，然後與資料庫中的十個人做對比，看看哪個最符合。

當然這只是核心流程，具體情況要複雜或簡化些。

人臉識別應用場景

早在上世紀中期，人們就是對人臉識別就開始了研究。經過幾十年的努力，如今人臉識別技術在商店、支付、機場火車站、住宅、公司、安檢，尤其是在捕捉罪犯中，得到了應用。

商店

↓↓

住宅

↓↓

安檢

↓↓

抓捕罪犯

↓↓

人臉識別的局限

或許有人會問了，既然人臉識別這麼厲害，那為何不大力推廣應用呢？

除了場景、成本等因素外，還有一個重要原因就是人臉識別技術目前還不是太成熟。

它會受到人的姿態、光照、遮擋等因素的影響。

以遮擋來講，這是一個非常重要的問題，如果在監控環境下，被監控對象戴著帽子後者墨鏡等飾物，臉部暴露的面積較少，取得的臉部特徵很少，就很難以辨別。

除了以上這些，圖片的清晰度、年齡變化等問題也都是影響人臉識別的因素。

不管怎麼說，人臉識別技術雖有不足，相信在不久將來會更加完善，讓我們的生活更加便捷。