855
手機大全
iPhone X重推的人臉識別技術 為何2017年才火？
“FaceID 是一個坑。蘋果果斷跳了進去。”iPhone X發布會結束後，知乎的一名網友在名為《如何看待蘋果發布會演示face id翻車?》的話題下如此戲謔道。倘若人臉識別技術真是個“坑”，不止蘋果，穀歌、微軟、阿裏、百度等行業巨頭都已前仆後繼地跳了進去。
一夜爆紅的人臉識別其實並不算新技術。2012年，臉部解鎖功能首次亮相在搭載安卓平台的Galaxy Nexus上；2015年，微軟開發了生物特征識別係統 Windows Hello，支持麵部識別登錄，穀歌推出號稱當時最強的人臉識別係統FaceNet；同年，尚未離職的百度首席科學家吳恩達宣布百度的人臉識別技術已超越穀歌，馬雲則在德國通過支付寶成功“刷臉”購買了一張1948年漢諾威工業博覽會的紀念郵票。
早在蘋果之前，三星也是這個領域的最大玩家之一。然而“刷臉時代”的臨門一腳，終究還是交給了蘋果。
“運用3D 結構光技術，一個滿是傳感器的額頭，以及比指紋Touch ID更安全。”三句話足以概括iPhoneX 的Face ID。蘋果之所以選擇2017年這個時間點發布自家的“人臉識別”，並非“十周年”情懷，一定程度上是因為支持這項應用的“深度學習技術”已發展到具備實用化水準。
深度學習是人工神經網絡的一個分支，也是人工智能的主引擎。早在1943年,美國數學家沃爾特·皮茨(W.Pitts)和心理學家沃倫·麥克洛克(W.McCulloch)就提出了人工神經網絡的概念。但直到半個多世紀後深度學習技術作為機器學習的第二次浪潮，才開始進入快速發展時期。這項實驗室裏的高深理論，最初的應用主要是在圖像和語音領域。
從2011年開始，穀歌研究院和微軟研究院的研究人員先後將深度學習應用到語音識別，使識別錯誤率下降了20%-30%。2013年4月，《麻省理工學院技術評論》雜誌將深度學習列為年度十大突破性技術之首。
在深度學習出現以前，人臉識別方法一般分為高維人工特征提取和降維兩個步驟。通俗來說，每個人的麵孔都由額頭、眉毛、眼睛、鼻子、嘴巴、雙頰等少數幾個區域組合而成，機器可以基於人臉幾何結構來提取一些特征進行識別。
盡管我們每天都在根據麵孔區分著親人、朋友、同事等麵容，但其實大多數人卻很難準確地描述出自己到底是如何區分他們的，人們將其解釋為“感覺”。但機器的“感覺”並不能與人媲美，在識別過程中，容易受到光照、姿態、表情、動態識別、圖像質量、環境等問題影響，計算能力不足，“神經”係統不發達的人臉識別在早期很難有實用價值。
深度學習方法流行之後，人臉識別技術大幅進步，深度學習+大數據（海量的有標注人臉數據）成為人臉識別領域的主流技術路線。
“隨著神經網絡深度學習的發展，人臉識別是較早開始被關注，並被順利快速產業轉化的技術。當前最新的人臉識別技術，在特定情況下，可以做到99.99%的精度，所以在公安領域、金融領域、民用領域已經開始逐步試水以人臉識別技術為基礎的服務功能。”螢石網絡的技術專家Dominic談及人臉識別技術時坦言。
作為知名安防巨頭海康威視的旗下品牌，螢石也已布局AI+多年。人臉識別之所以會在2017年大熱，從技術層麵來看，Dominic認為有三個主要原因：1.算法的不斷改進 2.硬件計算性能的數量級的提升 3.數據樣本信息的爆發性增長。
提起深度學習，另一個廣為人知的應用案例，就是去年戰勝人類圍棋國手，單挑李世石、柯潔的AlphaGo。相較於依靠暴力算法戰勝國際象棋選手的深藍，AlphaGo的勝利確實非常振奮人心，但歸根結底還是借助於深度學習和出眾的計算能力，而不是所謂的顛覆性的“新技術”。
幾年前，人們對人臉識別的印象還停留在“一個頗具娛樂性的噱頭”，熱衷於上傳照片“測測你的臉最像哪位明星”這類的H5遊戲。如今，基於深度學習技術的人臉識別功能也已經越來越趨於實用，它被應用到諸多領域，並為人們的生活提供更為實際的便利。
深圳機場已經將人臉識別係統嵌入機場安檢信息係統，當安檢人員讓你麵對攝像頭時，後端已經在做比對分析。通過該係統檢查發現冒用證件乘機旅客人次，占該機場安檢站近期查獲該類旅客總人數的近三成。阿裏推出無人超市杭州的一家餐廳聯合支付寶為顧客推出了刷臉支付，用戶無須擔心付款時手機沒電或者忘帶錢包的尷尬。螢石網絡則將人臉識別放進了電子貓眼中，能夠認出你的家人朋友，在你按下門鈴前，主人已經通過手機知道是誰來了。
Face ID將人臉識別再次推向了風口浪尖，表麵看起來是蘋果這樣的企業又一次引領了技術潮流，但實際上隻是技術浪潮來臨時的一次順風而行。
靠“臉”吃飯的時代，也許真的要來了。
最後更新：2017-10-09 00:12:01