‧ 「刷臉」 不再是一種調侃

Ifanr  陳一斌

有了人臉辨識，“刷臉”不是再是網路裡用於調侃的詞彙，而是現實的場景了。

想像一下，刷臉就可以打開自己家門，刷臉就可以去銀行提款，刷臉就可以完成支付——一個刷臉的世界或許很快到來。

這是因為，2014 年人臉辨識領域的水準飛速發展，數次超過人眼的人臉辨識精度。

首先，得先明確一下人眼的人臉辨識精度有多少。為了衡量各個機構研究成果的大小，一般機構都要都通過難度極高的人臉圖像集檢驗，比較準確率的高低。

Labeled Faces in the Wild（LFW）是國際上公認難度最高的人臉圖像集之一。它的圖像來自 Yahoo! News，一共13233 幅，包括 5749 個人，有 1680 人有兩幅或以上的圖像，4069 人只有一幅。這些圖像均來自真實場景的拍攝（自然光線、陰影、表情、姿勢、遮擋），因此難度極大。也因此 LFW 現在已經成為驗證人臉辨識成果，所使用次數最多的圖像集。因此，可以認為，LFW 的測試資料是權威的。

而在 LFW 上，人眼的辨識精度有三個檔次：

·         第一檔：包含場景、背景資訊的人臉辨識，人眼辨識精度可達 99.20%；

·         第二檔：僅提供人臉臉部圖像時，人眼辨識精度為 97.53%；

·         第三檔：不包含人臉的圖像，人眼辨識精度為 94.27%。

一般來說，各個機構的目標是超越第二檔，也就是沒有背景資訊情況下，人眼的人臉辨識精度。而在 2014 年，由於長期積累所誘發，人臉辨識領域的技術進步爆發式增長，一年之間人類數次，令機器的人臉辨識精度達到人眼的標準，甚至超過人眼。

2014 年 3 月 18 日 Facebook 宣佈推出 DeepFace，在 LFW 上辨識精度可達 97.25%；而同樣在 3 月，清華 Face++ 團隊則宣佈同樣通過 LFW 測試，辨識精度達 97.27%；而過了不久，4 月 25 日香港中文大學教授湯曉歐領導的電腦視覺研究組通過 Gaussianface，將人臉辨識的精度提升到 98.52%。

值得一提的是，湯曉歐教授及團隊所研發的 Gaussianface 是基於 20 萬樣本量得到的結果，而 Facebook 的 DeepFace 的樣本量高達 750 萬。

而 2014 年下半年，湯曉歐教授和研究組再接再厲，研發 DeepID2 和 DeepID2+。DeepID2+ 於 11 月 17 日推出，人臉辨識精度經過 LFW 檢測，高達 99.4%——這是 LFW 上相關測試項目裡最好的成績。 

湯教授科普了一下“模式辨識”相關測試性能的關鍵在於看“錯誤率”，而且錯誤率的降低才是研發的目標。因此，可以看到，人臉辨識在 2014 年當中，從 Facebook 當香港中文大學電腦視覺研究小組，錯誤率不斷下降，從 2.75% 到 2.73%，從 1.48% 到 0.40%——性能大大增加。

我諮詢一名電腦視覺方面的專家，他說，“（機器人臉辨識精度）超過人眼是合理的。 因為電腦的判斷，本來就可以深入到人眼所不能解析的細微部分的差別。DeepID2+ 是一個值得繼續深入研究的方向。”

在昨天科大訊飛的新品發佈會上，湯曉歐教授感慨自己過去多年在電腦圖形、人臉辨識上投入，但只在科學界有一定的知名度。而 Facebook 這樣一家大公司宣佈自己搞人臉辨識，就馬上引起大眾的注意，而且被競相報導。也可能正因為如此，湯曉歐教授也開始考慮將科研與產業進行結合，而他首選的合作夥伴則是科大訊飛。

換言之，科大訊飛的語音雲為開發者、創業團隊不再只是提供語音相關的能力，而將人臉辨識、手勢辨識等結合當中，創業者可以通過科大訊飛語音雲，為使用者提供更加自然的對話模式。

而在活動現場，利用科大訊飛語音雲所開發的無線嬰兒監護器 iBaby 展示了人臉辨識的能力，它的攝影機環繞一周，結果很快知道活動現場來了多少人， 多少人是男性、多少人是女性。

科大訊飛也同時公佈了語音雲的相關資料：目前啟動終端數量為 6 億，日活躍終端數量為 1.5 億。另外，科大訊飛努力壓縮語音辨識所需要的時間，2013 年在 Wi-Fi、3G、2G 環境下，語音辨識時間分別需要 1.25 秒、1.4 秒、1.5 秒，而在 2014 年這幾個資料降低到 0.14 秒、0.45 秒 和 1.5 秒，而在 4G 環境下，僅需 0.3 秒。

對於人類的行為進行辨識，然後通過大資料方式處理，得到有用的資料，再為使用者回饋有效的結果，這已經是業界未來的發展方向，科大訊飛也是其中一員。

現在問題來了，既然機器的人臉辨識精度可以超過人臉，那麼，未來可以圍繞它開發哪些應用？

題圖來自 jadiklik