人脸识别如何做到更快更准？

“只要走进装有摄像头的咖啡厅，就会发现服务员已提前为你准备好最喜欢的咖啡;来到公司上班，智能迎宾机器人已自动打出带有你名字的欢迎语……”人们渐渐对人脸识别技术有了更多期待，而上述一些具体场景的应用也从不可能变成了可实现。

2008年北京奥运会上平安谷公司将人脸识别技术用于安防，成为人脸识别发展的一个标志性事件，2012年以后，人脸识别技术的应用更是呈现出爆发式增长，近年来已应用于金融、公安、边检、政府、教育、医疗等众多领域。

但是，我们真的要进入人脸识别时代了吗？或许这还没有人们想象中的那样快。要想人脸识别技术做到更快更准，那么技术（算法）、设备、环境则是三个缺一不可的环节。

 

算法的制约

据平安谷首席专家顾问、清华大学教授苏光大介绍，虽然人脸识别技术在算法上取得了三大进步：目前基于最佳二维人脸理论的单人单张人脸识别算法已经趋于成熟；第二个是单张人脸图像的三维人脸重建对视频监控下的动态识别贡献特别大；第三个进步是对这些超低分辨率人脸图像的重建与识别技术取得了一定进展。

但是当前人脸识别技术面临的挑战依然很多：大姿态角（大于30度）、超低分辨率（人脸分辨率小于30像素）、大年龄跨度（5年以上）和深度学习人脸识别的广泛应用上。

 

受制于设备和环境的动态识别

苏光大教授指出：“基于深度学习的人脸识别难度在于训练的计算复杂度高，计算机不擅长二维计算，大量耗时在深度学习上，这是要解决的问题。”

那么，在算法、硬件和环境都达到条件的情况下，如何才能实现海量数据下人脸识别的快速查询？

有人对不同规模的人脸数据库做了计算：1000万人脸的数据量可达到10gb，3亿人脸的数据量就是300gb。这样一来，人脸识别的对比速度马上就会降下来。而速度的下降意味着不能实时识别，这对人脸识别速度要求十分高的反恐、防暴等公安安全监测而言，不是一个好消息。

所以，最好使用两种方法提升对比效率，一是改变对比方法，尽量避免暴力查询，如根据人脸图像属性切割、归属成不同类别，采用二分法可以缩减查询范围;二是增加设备或者服务器，提高运算能力，或是采用分布式系统架构，并行查询提升效率。

上一篇：人脸识别行业预计三五年内会迎来爆发式增长

下一篇：数据为王——恭贺省公安厅被确立为全国公安数据标准试点示范单位