最近小编打卡了《碟中谍6》，被阿汤哥的英姿又一次折服了。间谍、特工系列的电影，在展现角色个人技能的同时也在不断的炫科技，各种高精尖技术不断展现，今天我们就来聊一聊和大家息息相关“天网”中的人脸识别技术。
安防监控行业的兴起就是为了满足公共安全的需求。公安部门的主要任务就是确保社会治安和稳定，交管部门需要负责公路安全和道路顺畅。造成不稳定状况的最大因素就是“人”，如何对拥有主观能动性的“人”进行管控是各个部门需要攻克的难点。
人脸识别技术的研究是始于20世纪60年代左右，其模式是通过可见光图像的人脸识别，也就是大家常见的摄像头采集识别模式。经过几十年的算法研究和底层技术方案突破，从2015年开始国内出现了很多以人脸识别应用为主的公司，像商汤科技、依图等。人脸识别的应用也在各行各业不断落地，“刷脸”不再是特权。最常见的刷脸打卡签到、刷脸验证身份进高铁站、甚至刷脸移动支付也不断落地。
刷脸应用：签到、支付、门禁
于此同时此技术在公安天网、智慧交管等行业也不断落地，从特殊应用场景普及到大众身边，之前高大上的电影特效成为了现实。不管是人员、车辆、非机动车都可以进行实时监控，识别。
【电影中的应用正在变为现实】
看着是不是很高大上，下面毛毛同学将给大家做一下解密，人脸识别是如何实现的。
技术原理
现在的人脸识别原理基本是可以归纳为三部分：基于模型原理，基于模板的原理和基于现有几何特征的方案。（毛毛同学不是年薪好几十万的算法工程师，蜻蜓点水介绍原理）
【基于几何特征】大家比较容易理解，就是讲人的面部眼睛、鼻子、嘴巴、耳朵等特征提取出来，世界上没有完全相同的两片树叶，同样也没有完全相同耳鼻嘴。但是由于其提取特征缺少更多细微数值，并且几何运算量大，比较适合做模糊查询使用，或者配合其他方案进行识别。
【模型&模板原理】是在几何特征之上的更精准高效的方案，提出了细致特征提取，比如：对脸部特征向量进行提取，包括眼睛、鼻翼、嘴角等面部特五官轮廓的大小、位置、距离等信息，进行建模，而后特征值比对，实现人脸识别的功能。
【人脸算法】目前网上资料较多的是opencv，大家有兴趣可以自行百度，开源程序很多。
应用模式
现在人脸的应用基本都是摄像机配合后端服务器实现的，基本模式有三种：后端识别，协同识别，前端识别。
【后端识别】此模式中，前端是通用的摄像机，只要能够采集到视频信息就可以。摄像头将视频信息采集之后，通过网络传输给后端的GPU服务器（GPU-协处理器，主要进行图像运算的微处理器），由后端服务器上运行的人脸识别算法进行视频流的人像抠图，建模，比对识别，最终将人脸识别的结果呈现给操作人员。此种方式对前端摄像头无严苛要求，只要可以采集视频、支持标准协议就可以（当然摄像头的安装角度有特殊要求，主要考虑到采集人脸效果），主要压力在后端服务器上。
【协同识别】此模式中，前端摄像机可以进行人脸抓拍，摄像机在采集视频的时候，同步在场景中将人脸的图片抠出来，然后将抠出的图片数据传输到后端服务器上，后端服务器进行比对识别，减轻了服务器的压力。协同识别模式摄像机分担了后端服务器压力，使其综合性价比变高。现阶段人脸识别更多是采用协同识别，数据存储在GPU服务器本地（eg：2U8盘服务器，放置两个P4的卡）。
【前端识别】顾名思义，前端识别就是摄像机可以进行人脸识别，将GPU计算单元前置到摄像头中。在摄像头上完成了人脸抠图、建模比对识别，不需要后端的GPU服务器。此模式不足在于比对识别的库数据容量较少，而且存在发热量较大的问题。
现在全国各地的平安城市建设中都在重要地点增加人脸识别系统建设，比如城市步行街、高铁站、地铁站、核心商业街等。
后记
AI技术的发展正在改变我们的生活，人脸识别技术不断完善，针对人员、机动车、非机动车的视频结构化、大数据分析也在影响着我们的出行。后续毛毛将给大家介绍一下，酷炫无比的视频结构化技术。
网友评论