天地伟业杨清永：深度学习让人脸识别进入2.0时代

2017年6月13日，“人工智能在安防行业的应用暨实战演练论坛”在深圳举行。

深圳市安全防范行业协会会长杨金才，深圳市安全防范行业协会副会长、CPS中安传媒总裁杨鹏，深圳市安全防范行业协会秘书长王君利，威富集团董事长张少林，浙江大华技术股份有限公司先进技术研究院研发总监郑韬，天津天地伟业数码科技有限公司总工程师杨清永，威富多媒体有限公司总经理助理司玉校共同出席了会议。

天津天地伟业数码科技有限公司总工程师杨清永发表了关于人脸识别的主题演讲。

【杨清永现场演讲实录】

我今天演讲的题目是“这是一个看脸的时代”，虽然有些玩笑的意味，但我想表达的是我们已经进入了刷脸的年代，而且以前我们是人为主动刷脸，未来将变成机器刷脸。

近一年来，最热门的话题就是人工智能，在物联网和移动互联网热度还没完全褪去的时候，人工智能已经悄然成为时代的主题。在安防行业，人工智能也没有落后，目前人工智能已经开始在安防中应用。相比人工智能其他技术（语音识别、自然语言处理、机器人、专家系统），图像识别在应用层面已经领先，其中车牌识别已经相当成熟，而对于人的识别就是生物识别。生物识别又包含虹膜、人脸、指纹、声纹、掌纹、静脉、DNA等，除了DNA和声纹，其他生物识别都在图像识别的范畴里。其中，人脸识别已经逐渐取代了指纹，在民用领域得到很好的应用，比如考勤、门禁。

人脸识别的发展历史

我们简单回顾人脸识别的发展历史，其实人脸识别起步非常早，1964年就开始有这项技术，但属于初级阶段，算法模型不够成熟，1991年以后人脸识别发展迅速。到了1998年，汉王最早把人脸识别带入门禁和考勤应用，但是人脸识别在这个阶段没有完全火起来，真正火起来是到了2012年之后，归功于深度学习的大规模应用。

其实，深度学习已经出现了十几年，但是受限于计算能力，早期没有得到广泛的应用。直到2012年，随着GPU技术的发展，让深度学习有了运算的硬件平台，这项技术又燃起战火。

深度学习有了并行运算的基础，很快就成为热门，发展速度也十分惊人。2015年动态人脸识别就被提上日程。如果让我做一个阶段区分的话，我认为2015年是人脸识别1.0时代和2.0时代的区别。此前ImageNet有一个人脸识别的比较，让机器是对比两张相似人脸的程度，利用传统的几何模型或模式匹配，在70%多的相似度时就达到了极限，怎么也无法突破，70%多的准确率根本达不到商用级别。而深度学习的出现，让人脸识别准确率再次提升，判定两个人脸相似度的准确率超过96%，而人的水平是94%。

人脸识别在警用安防中火热的原因

人脸识别我简单分为警用和非警用两种应用方向，警用包括反恐、刑侦、维稳，民用则是支付、考勤、门禁，二者相比之下警用是最大的应用市场。现在公安对于人脸识别非常感兴趣，因为人脸识别的确对他们工作是有很大帮助的。

传统的核查手段，在验证行人身份时需要控制住人流，难免会影响行人的正常通行，但人脸识别不会造成这种情况，摄像头主动捕捉经过的路人，即使同时很很多人通过，也都能被捕捉到。另一方面，如果在现有的核查手段下出现问题，往往是事后查询，需要翻看大量的视频，但人脸识别可以很好地做到事中提醒，只要这个人在我的黑名单库里，在识别出来之后就会报警，节约了很多人力成本。

我们在天津金街有一个案例，天津金街是当地有名的购物娱乐一条街，人流量巨大，我们在天津金街安装了70多个人脸识别摄像头，只要是来过金街的人，都会被记录进这套系统。虽然单个摄像头安置在光线复杂、视野广阔的外部环境下会导致识别率下降，但是在70个摄像头的情况下，外界对单个摄像头的影响就微乎其微，可以保证对路人很好的面部捕捉。

人脸识别也不是万能的

当然，人脸识别虽然有很好的应用前景，但同其他生物识别手段一样，它也有缺点。

一、不容易区分相似面部。人脸识别能快速识别出照片中的人脸，但同时也容易将两张相似的人脸误认为同一人。

二、在光照条件不佳、逆光条件下，识别阴阳脸的成功率有待提高。尤其在逆光环节下，非常影响人脸识别，因此现在多采用补光的方法。

三、不能很好应对人的多变表情，包括一个从年幼到成年脸型发生变化后，机器也不能识别出来是一个人。

四、面部遮挡影响识别，当然要遮挡足够多的面部才会影响识别率，部分遮挡、部分整容都还是可以识别出来。

但是我相信随着技术成熟和人脸识别摄像头的普及，以上的问题也会逐渐得到解决，应用的场景也更广阔，给人类社会带来和平。