3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
福衛七號如何掌握大氣的一舉一動？
 |
今日主題 智慧安控\雲端\物聯網\行業應用
行業應用解決方案
|
2019年7月8日 星期一
．台灣科技業競爭力的今昔與未來
艾歐資訊 企劃經理 Bella@智慧城市展解説
|
3S MARKET 施正偉
技術在變、產品在變、產業在變，當然市場也在變。
二十多年前，賣一支攝影機至少賺十支以上的利潤；現在賣二十支 AHD 攝影機，不知道是否能與二十年前，賣一支攝影機的利潤相比？
這二十多年來，監控業確實歷經了數位化、網路化、系統整合化，現在更進到垂直產業應用整合化（對岸稱之為行業化）與智慧化。每一個技術的變化，像骨牌效應一樣，會帶來產品的變化、產業的變化，以及市場的變化。差別只在速度的快慢而已。
二十多年前，很多人都說監控業不可能會數位化，如今連智慧化都出來了。當然，很多人仍在冷言冷語的說，什麼 IoT、Ai ，這些都是不切實際的噱頭。
然而，過去台灣監控業完全看不在眼裡的對岸安防業，今天全世界都對他們是又愛又恨。不要說安控業，台灣資訊業的兩大 A，因為就是忽略了技術與市場的轉變，品牌亮度急速褪色。（當然 hp 也放棄了 PC，不過 DELL 依然強悍！）
類比技術，是自有電以來的基本架構。然而數位化卻是至少五、六十年前就ㄧ路不斷在發展。電路板的出現取代了真空管，而積體電路微處理器，從幾位元到現在的奈米級，而現在又已開始喊出了量子，技術永遠在前進。
但人大多會活在過去成功的經驗，以及為反對而反對的舒適圈。因為通常新的技術出現，都會影響到舊有的既得利益者。
然而以美國為首的西方經濟型態的陣營，三十年來看到（或說貪圖）中國的人口與低薪紅利，終究把老虎養大了。主要的品牌幾乎都在歐美，台灣、韓國相對溫和，因為中小企業想經營品牌，必須要擁有足夠的通路，特別過去在做全球的外銷，誰有能力去經營通路？
因此能接到這些國際大廠的 OEM\ODM，大家也都甘之如飴，雖然很多老闆都有品牌夢。但台灣很多品牌，充其量只是那些國外進出口商能熟悉而已，真正應用市場能被指名的，大概只有 Double A 與 HTC 少數幾家而已。
速體健長大的中國廠商，一方面得天獨厚，擁有幾乎已經變成，樣樣全球第一的內需消費市場。而螞蟻雄兵（深圳）與猛虎出柙（華為），讓有連任壓力的川哥，也不得不保面子顧裡子。
中國改革開放之後，只要是新的，不僅照單全收，而且激盡全力炒作。只要炒作成功，十億人民幣放口袋，就可擠身馬雲之輩。十幾億人口，想要出人頭地，也只有這樣的捷徑。那是很多從農村到大城市，中國年輕人的憧憬。
所以 IoT炒、Ai 炒，炒出了曠世、商湯、依圖，近百上千的獨角獸，就算把國際市場拿來比，這三十年來恐怕大家只能念出亞馬遜、谷歌。而台灣就更鬱卒了，Double A、HTC之後，我們仍老是拿台積電的台灣老人之光貼臉。
所以，每每 3S MARKET 分享這些新科技應用資訊時，都會招來不少提點，實際上我們也都習以為常了。但事實證明，比例很高的反駁者，似乎真的眼睛有業障！
當然，大家都看到中國把很多技術炒的太過度了，甚至沒熟就端上了桌。像他們一堆的無人經濟，確實也變成了無人消費。然而台灣也在這樣的氛圍下，不斷被邊緣化，這才是我們必須深刻去面對的競爭壓力。
如果台灣的科技業，與中國最大的差異，是在精實與踏實，我們更應該有很雄厚的實力，炒出這些 IoT、Ai 的盤盤好菜，為何需逢 AIoT 必咀咒？
最近與很多監控業廠商朋友們交換意見，從中發現大家也都在找 IoT、Ai ，因為這些大多不是監控廠商擅長的技術。很多人也問我對岸有誰有？誰誰的是不是從對岸來的？事實上這些技術與產品，台灣都有，只是曾幾何時，大家都捨自己人不用，寧願去對岸撿一些，不一定真正能用的東西？
這些朋友也回覆了一個不是答案的答案，「我們跟台灣這群 IT 的人不熟啊！」、「我們公司沒人懂 Ai 啊！」難道中國的 IoT、Ai 就可以比較熟？就很好談？
「東風夜放花千樹，更吹落星如雨。 寶馬雕車香滿路，鳳簫聲動，玉壺光轉，一夜魚龍舞。 蛾兒雪柳黃金縷，笑語盈盈暗香去。 眾裏尋他千百度，驀然回首，那人卻在，燈火闌珊處。」
．校園監控安控系統解決方案
University to increase surveillance cameras around campus
 |
來源：ofweek Radow
一、校園安控產生背景：
學校的學生高密度集中，校區開放程度和後勤服務社會化程度越來越高。如何處理各校區安全保全工作和突發性、群體性事件，減少校園暴力，對學校進行有效的安全防護，必須是政府應該加強重視的重點。
【3S MARKET】過去校園重大安全事件，大都是沒有危機意識、輕忽，而一旦發生，卻又造成很大不可收拾的悲劇。這與我們都會認為學校環境單純，不太可能有什麼大問題會發生。但前幾年，美國連續發生校園槍擊事件，都造成不可收拾的憾事。
到底校園安全應該做到什麼樣的防護等級？台灣目前各級學校的安全設備防護，到底合不合格？整個從經費規畫、經費運用方式、設備選擇、安裝到維護，整個過程是否經過很嚴謹的作業，市值得各界重視的議題。不要等到憾事，才在檢討再檢討，終究都無法彌補損失！
以下是來自對岸中國的報導，不見得合用於我國，但僅供參考……
一直以來，學校不斷在人防和物防方面加大投入，如增加校衛，由學生組織校衛隊，加高圍牆，在學生宿舍的窗戶上安裝鋼筋護欄等。這些措施產生了一定的效果，但也存在一些弊端，如校衛隊帶來持續的支出，宿舍安裝鋼筋護欄不符合消防要求。
其實在技術上，建立技術防範監控系統，在各校區的重點部位、人群集中聚集場所安裝監控點，實行人防、技防、物防結合的防控體系，可以增強安全系數，減少日常投入，把治安案件控制在最低限度。
學校的安控系統與普通安控有共通之處，但也有很多自己的特點和要求：
1. 監控點多：學校人員密集，要求監控到校區每一個角落。因此需要在學校內每棟宿舍的走廊、樓廳、天花板處都裝有攝影機，但監視範圍不包括宿舍內部，避免侵犯學生的隱私。
2. 監控面積大：學校的校園面積一般較大，監控點多。要求系統支持多種佈線方式，最好可利用現成線路，或充許多個子系統相對獨立，方便施工及維護。
3.要求遠端報警：當學生及教職工離校後，可啓動遠端行動報警，各監控點發生人員侵入，可透過網路，將警情上傳至網路監控中心，並將圖像自動切換到現場，並自動錄影，便於即時採取措施。
4.可防止校園暴力：當校園暴力事件發生或可能發生時，各級人員均可觸動緊急按鈕，向 110 報警中心報警，預防或制止校園暴力事件。
5.可意外傷害取證：對學生在校期間，要能對所有監控點進行錄像，方便發生意外傷害時，主動舉證。
6.可作其它應用：安控系統要與學校日常工作相結合，最大限度的發揮作用。
完整的校園安控系統由矩陣、NVR\DVR、網路或類比監控攝影機、智慧終端、逆向解碼、報警、IC卡及廣播八個部分組成。各部分可靈活搭配，充分適應校園安控的需要。
校園安控系統，以校園網為核心，可充分利用已有線路，或根據布線的難易，在學校內同時採用不同的設備，設立多個子系統。目前影像監控系統，從以錄影設備如以 NVR\DVR 為核心的結構，向以分佈式、網路化、智慧化、分散的，以每個影像點為基礎的轉變過程中。
警報系統正在從一個單獨的系統，或影像系統輔助部分，向和影像系統一起作為安控系統中，兩個重要的組成部分，並融合為一個統一整體的方向發展，並且逐漸成為安控系統新的設計標準。
目前，校園安控系統可分為兩大部分：
單獨的監控系統和單獨的警報系統，這一般是早期的校園安控系統模式。那時因為影像壓縮技術達不到網路傳輸的要求，警報系統傳輸協議不支援數位傳輸系統，並且每個廠商的協議不相容，所以不被當時大多數工程商採用。
隨著新的影像壓縮格式 MPGE4 ，及後來 H.264 的出現，支持乙太網傳輸的報警系統的出現，但又由於目前，同時擁有警報系統，和監控系統軟體開發能力的廠家數量有限，大多數的警報系統，和監控系統協議並不相容，所以在建構如校園安控系統，這樣的大型安控系統的時候，很多工程商也只能繼續採用兩個中心軟體，分別對警報系統和監控系統進行集中控制。
校園安控系統，能夠將警報系統和監控系統融合為完美的整體。能提供這種系統的廠家，必須同時擁有強大的開發大型警報系統軟體、協議和開發大型監控系統軟體的能力，特別是擁有自己的核心通訊控制協議，才能實現這種強大的功能。
能同時控制校園內，多個防區的佈撤防報警防區，又能和影像系統任意的聯動，同時能自由的切換任意影像，並控制輸出到電視牆上的顯示模式，支援多級電子地圖報警顯示、警報聲音提示、報警影像群組顯示功能等。
它提供了一個重要的接入平台，將各種影像從類比信號，轉變成 H.264 格式，適合於網路傳輸的接入平台，一個以區域 NVR\DVR 或區域主機，組成的進行簡單警報資訊，和影像資訊預處理，和儲存的平台；和中心以數位矩陣為基礎的，用網路集群控制軟體，集中控制的中央管理系統。
提供這樣一個平台，使我們的校園安控系統真正的滿足校園面積大，監控點分散，需防範的重點部位多(各實驗室、微機室、檔案室、鍋爐房、餐廳，及各重要辦公室，及所有的學生宿舍等)，滿足傳輸多路警報防區和大量影像傳輸的要求。
提供網路遠端警報\報警校園安控系統，除了本地警報，還提供網路遠端報警，並可全校設立多個報警按鈕，當有校園暴力或其它突發事件發生時，可按下報警按鈕，立即啓動監控錄像，並可與當地的110報警中心實現聯動。
人性化的擴展功能：
校園安控系統代表目前校園安控系統的發展方向，系統有一定的前瞻性。與校園網可以緊密融合，成為校園網不可或缺的組成部分，同時具備多種擴展功能。
1、增加電子考場功能
透過安控系統強大的視訊、音訊處理能力，電子考場可無縫接入到安控系統中，成為安控系統的有機組成部分。
2、有效的保證師生的安全，並有效的幫助遇到困難的師生獲得求助
如：校門口發生爭執、在宿舍有人突發疾病等，只需輕輕一按求助按鈕，並能得到安控中心的幫助。所以說安控系統中，無處不在的報警按鈕和求助按鈕，能充分發揮安控系統人性化的功能。
在萬一發生意外或恐怖事件時，透過監控系統查看現場情況，及時指揮師生疏散。
4、簡化考試程序
可透過對區域主機軟體升級、在中心建立相應的比對數據庫，學生進入考場時就不用出示身份證、准考證等證件了。
．既要高精度也要高性能，人臉辨識主流算法大合集
DeepFace -
Facial Recognition Algorithm - Facebook
 |
在上一篇文章中，我們回顧了人臉辨識算法的發展歷程，介紹了人臉辨識算法，從傳統機器學習算法，到現在的深度學習算法的演進歷程。接下來，我們將詳細介紹一下人臉辨識常見的應用方式，以及現在主流的人臉辨識算法。
1. 人臉辨識的主要應用方式
為了講清楚人臉辨識算法的設計思路，有必要首先介紹人臉辨識在實際場景中的，主要的三種不同的應用方式。這三種方式我們會習慣的稱之為：「1：1」、「1：N」，「1：n」。
1.1 驗證場景
在驗證場景下，人臉辨識算法主要用於回答「這是否為某人」。
用於回答「這是否為某人」時，該人的身份是確定，人臉辨識需要做的工作，是確認當前的照片，是否與該人的身份一致。此時會將給定的人臉圖像與電腦中，儲存的某人的圖像比較，回答給定的圖像是否為該人的。
通常，一個人在電腦中會儲存一幅正面，或多幅不同角度的圖像，我們稱之為註冊照。而給定的人臉圖像我們一般稱之為驗證照。
這種應用模式適用於門禁、出入境通關、網路實名制、辦證機構等應用場所，透過證件資訊獲取某人身份，然後根據證件使用者的照片，保證他與證件所有者是同一個人，即實名認證下的人證合一。
因為驗證場景下，通常是直接比較兩幅人臉圖像，提取出來的兩個特徵的相似度，所以我們常稱之為 1：1。
1.2 辨認場景
在辨認場景下，人臉辨識算法主要回答「這是誰」。
在這種場景下，人員的身份資訊是未知的。我們需要將給定的人臉圖像，與電腦中儲存的 N 個人的圖像逐個比對，輸出 M 幅圖像，這些圖像的相似度按從大到小排列，再由人來確定這是誰。當然，因為現在人臉辨識算法的精度非常高，所以在一些不太嚴謹的場合，可以直接用相似度最大的那張圖像，來自動判定這是誰。
通常，一個人在電腦中，會儲存一幅正面，或多幅不同角度的圖像。為了提高辨認的速度，註冊照往往會預先提取特徵，並將之儲存在電腦中。而給定的人臉圖像，我們稱之為查詢照。
這種應用模式，適用於人員身份的查詢和核查，比對目標庫通常是常住人口庫、逃犯庫等覆蓋面非常廣泛，容量非常龐大的人臉數據庫，庫容量 N 通常能夠達到上千萬、甚至上億級別。
因為辨認場景下，通常需要將給定的一副人臉圖像，與電腦中儲存的 N 個人的圖像比較，所以我們常稱之為 1：N。
1.3 監控場景
監控場景從名字上來看就知道，人臉辨識是用於監控 (watch list) 系統（目標人篩查）。而監控場景同時具有辨認和驗證的特點，人臉辨識算法需要回答「這是否為要找的人」。
在這種情況下，人員的身份資訊同樣是未知的。我們需要將給定的人的圖像，與監控目標人員進行比較，確定該人是否在監控列表中，同時確定該人身份。
為什麼說它同時具有辨認和驗證的特點呢？是因為它需要搜索整個監控列表，這與辨認場景是類似的；同時他需要確定該人是否在監控列表中，如果將監控列表看作 1：1 中的 1 的話，這又類似於驗證場景。
但是它又完全不同於辨認或者驗證。驗證場景與它的差異很明顯，我們就不說了。而它與辨認場景的差異主要在於以下幾點：
（1）在辨認場景下，給定的人雖然身份信息未知，但是他肯定存在一張（或多張）註冊照存儲在計算機中；
（2）辨認場景下可以有人工進行參與；
（3）監控列表的容量，通常遠遠小於辨認場景下的人臉數據庫的容量。
這種應用模式適用於視頻監控，比對目標一般是逃犯、管控人員或者恐怖分子、重點關注人員等佈控人員，也可是白名單和紅名單等目標人員，庫容量一般為幾千人，甚至萬人級別。
因為監控場景下，庫容量相對辨認場景要小，所以我們稱之為 1：n。
1.3 監控場景
監控場景從名字上來看就知道，人臉辨識是用於監控 (watch list) 系統（目標人篩查）。而監控場景同時具有辨認和驗證的特點，人臉辨識算法需要回答「這是否為要找的人」。
在這種情況下，人員的身份資訊同樣是未知的。我們需要將給定的人的圖像，與監控目標人員進行比較，確定該人是否在監控列表中，同時確定該人身份。
為什麼說它同時具有辨認和驗證的特點呢？是因為它需要搜索整個監控列表，這與辨認場景是類似的；同時他需要確定該人是否在監控列表中，如果將監控列表看作 1：1 中的 1 的話，這又類似於驗證場景。
但是它又完全不同於辨認或者驗證。驗證場景與它的差異很明顯，我們就不說了。而它與辨認場景的差異主要在於以下幾點：
（1）在辨認場景下，給定的人雖然身份信息未知，但是他肯定存在一張（或多張）註冊照存儲在計算機中；
（2）辨認場景下可以有人工進行參與；
（3）監控列表的容量，通常遠遠小於辨認場景下的人臉數據庫的容量。
這種應用模式適用於視頻監控，比對目標一般是逃犯、管控人員或者恐怖分子、重點關注人員等佈控人員，也可是白名單和紅名單等目標人員，庫容量一般為幾千人，甚至萬人級別。
因為監控場景下，庫容量相對辨認場景要小，所以我們稱之為 1：n。
2. 人臉辨識的主流算法
從人臉辨識的三種主要應用方式可以看到，比較兩張人臉的圖像，是否為同一個人，是所有應用的基礎。從這個角度來說，所有的人臉辨識應用其實都是驗證場景，而人臉辨識算法的驗證性能，是衡量該算法精度高低的最直接的指標。在數據庫已知的情況下，根據驗證性能可以推算出，該算法在三種不同場景下的精度性能。
而比較兩張人臉圖像是否為同一人，主要依靠從這兩張圖像中，分別提取到的兩個特徵的相似度高低，來進行衡量。因此人臉辨識算法的關鍵，就是透過訓練一個特徵提取模型，從人臉圖像中，得到一個具有鑒別能力的特徵，而相似度的計算，則一般採用餘弦距離。
如何更加有效的訓練出，一個能夠提取具有鑒別力特徵的模型呢？一種思路通過蒐集更多的數據去提升模型的性能（從數據上挖掘），另外一種思路透過更加有效的利用數據，去提升模型的性能（從模型上挖掘）。當然，實際情況往往是兩種思路同時採用。
2.1 從數據上提高辨識性能
深度學習相比傳統機器學習，一個最重大的優勢，就是對海量數據的利用能力。雖然對於深度學習來說，不一定總是數據越多，效果越好，但是在人臉辨識領域，絕大多數情況是數據越多，效果越好。如果讓我選擇，我肯定會選擇要更多的數據。
在吳恩達的深度學習課程中，他曾經給出一個經典的數據，與深度學習模型性能的關係曲線。
2. 人臉辨識的主流算法
從人臉辨識的三種主要應用方式可以看到，比較兩張人臉的圖像，是否為同一個人，是所有應用的基礎。從這個角度來說，所有的人臉辨識應用其實都是驗證場景，而人臉辨識算法的驗證性能，是衡量該算法精度高低的最直接的指標。在數據庫已知的情況下，根據驗證性能可以推算出，該算法在三種不同場景下的精度性能。
而比較兩張人臉圖像是否為同一人，主要依靠從這兩張圖像中，分別提取到的兩個特徵的相似度高低，來進行衡量。因此人臉辨識算法的關鍵，就是透過訓練一個特徵提取模型，從人臉圖像中，得到一個具有鑒別能力的特徵，而相似度的計算，則一般採用餘弦距離。
如何更加有效的訓練出，一個能夠提取具有鑒別力特徵的模型呢？一種思路通過蒐集更多的數據去提升模型的性能（從數據上挖掘），另外一種思路透過更加有效的利用數據，去提升模型的性能（從模型上挖掘）。當然，實際情況往往是兩種思路同時採用。
2.1 從數據上提高辨識性能
深度學習相比傳統機器學習，一個最重大的優勢，就是對海量數據的利用能力。雖然對於深度學習來說，不一定總是數據越多，效果越好，但是在人臉辨識領域，絕大多數情況是數據越多，效果越好。如果讓我選擇，我肯定會選擇要更多的數據。
在吳恩達的深度學習課程中，他曾經給出一個經典的數據，與深度學習模型性能的關係曲線。
因此在人臉辨識行業內，大家往往會透過獲取，或者製造海量的人臉數據，去充分訓練人臉辨識模型，來獲得更好的結果。
以商湯為例，早在 2017 年的時候，他們就已經使用了多達 30 台電腦，240 個 GPU 對 10 億個標注樣本（包含 1 億個不同的人）並行訓練，總訓練時間為 1 個月左右。而現在他們的數據量的累積，到達了一個什麼程度，可想而知。
雖然數據規模，已經到達這樣一個恐怖的地步，但是人臉辨識中的數據紅利，還遠遠沒有殆盡，如何進一步從數據中，挖掘性能紅利，依然是當下人臉辨識研究的熱點之一。
因為人臉辨識應用場景的特殊性，它往往要求極低錯誤接受率下的正確辨識率，這就更是對模型的性能提出了極高的挑戰。所以可以針對不同的應用場景，如商場監控、移動辦公打卡、網路身份認證等等，採集不同場景下的大量數據，進行針對性的微調。採用這樣的方法，我們依然能夠非常有效的提升，模型在特定場景下的辨識性能。
除了獲取數據以外，業內往往還採用增加噪聲、顏色變化、隨機裁剪，或者縮放、局部區域組合、隨機遮擋等等，種種圖像變換手段，進一步產生更多的數據，以增強模型的泛化能力，防止過擬合。
2.2 從模型上提高辨識性能
數據是有限的，在有限數據的情況下，如何更加有效的利用數據，從而獲得比別人更好的性能，這就要求我們從模型上，充分挖掘已有數據的潛力，獲得更好的性能。
一般來講，業內通常有兩種做法，一種是使用更好的骨幹網路，一種是利用測度學習的手段，對提取的特徵進行優化。
2.2.1 骨幹網路設計上提高性能
1）殘差結構
在 2016 年以前，大家的主要研究方向，集中在如何設計更高效的網路去辨識人臉。在這段期間出現了如 VGG、Inception 等一系列從骨幹網路入手，去提升模型性能的算法。但是到了 2016 年，殘差網路的問世，幾乎可以說是終結了，各種千奇百怪的骨幹網路設計，順便從事實上終結了 image net 比賽。
後續幾乎所有的深度網路，都離不開殘差結構的身影，相比較之前的幾層，幾十層的深度網路，在殘差網路面前都不值一提，殘差結構可以很輕鬆的構建幾百層，一千多層的網路而不用擔心梯度消失過快的問題，原因就在於殘差結構的捷徑（shortcut）部分。
在殘差結構出現以前，影響深度學習，特別是深層神經網路訓練的，一個最主要的因素，是由於反向傳播算法的鏈式法則，導致的梯度消失和梯度爆炸，其中往往是梯度消失出現的更多一些。
透過加權正則化或梯度剪切，可以在一定程度上解決梯度爆炸的問題。
而殘差結構利用捷徑，這樣一個跨層連接的機制，無損地傳播梯度，解決了深層網路訓練中的梯度消失的問題。從此，深度學習的網路，可以輕鬆到達上百乃至上千層，而不用擔心難以訓練的問題。
2）BN 層
另外一個具有重要影響力的網路結構設計，就是 BN 層的提出。現在添加 BN 層，在幾乎所有的深度學習骨幹網路設計中，都已經成為了一個標準操作，它具有加速網路收斂速度，提升訓練穩定性的效果。
BN 全名是 Batch Normalization 即批次規範化，透過規範化操作，將輸出信號規範化，保證網路的穩定性。具體的 BN 原理非常複雜，在這裡不做詳細展開。
我們需要知道的是，它透過對每一層的輸出，規範為均值和方差一致的方法，消除了網路加權參數，帶來的放大縮小的影響，進而解決梯度消失和爆炸的問題，或者可以理解為 BN 層將輸出，從飽和區拉倒了非飽和區。它帶來的優點主要有：
（1）可以放心的使用大學習率，而不用小心的調參了，較大的學習率極大的提高了學習速度；
（2）BN 本身上也是一種正則化的方式，能夠增加模型的泛化能力；
（3）BN 降低了數據之間的絕對差異，有一個去相關的性質，更多的考慮相對差異性，因此在分類任務上具有更好的效果。
3）Dropout 層
此外，在網路特徵輸出層的後面，分類器前面添加一個 Dropout 層，也是訓練人臉辨識網路的一個常規操作。
Dropout 層是 Hinton 在 2014 年，提出來的一個神器，專門用於應對神經網路的過擬合問題。它的操作非常簡單，靈感來自於繁殖中的遺傳和突變，相當於是每次訓練，每個神經元只有概率 p 來參與單次神經網路的訓練，等效於最後的輸出層，乘以一個 Mask 矩陣，該矩陣有百分比為 p 的元素被置 0，其餘為 1。有無 Dropout，最後的分類準確率，會有明顯的差異。
它唯一的缺點，就是會明顯增加訓練時間，因為引入 Dropout 之後，相當於每次只是訓練的原先網路的一個子網絡，為了達到同樣的精度，需要的訓練次數會增多。
2.2.2 測度學習
1）Deep ID
最早用測度學習的方式，來提升模型性能的嘗試，我認為應該是 Deep ID 的工作。它為了使模型提取出來的特徵更具有區分性，在訓練網路的結構設計上，採用了類似 Contrastive Loss（對比損失）這樣的思路。
透過在 Softmaxloss 的基礎上，添加驗證信號，並與辨識信號加權，有效的提升了特徵的鑒別能力，在一定程度上縮小了類內差異，增大了類間差異。
然而 Deep ID 訓練的時候需要大量的數據，而且對比損失本身也不是很好訓練，需要小心調參才能獲得很好的結果。
2）三元組損失
伴隨著 Deep ID 的嘗試，接下來就是谷歌的 Triplet Loss（三元組損失）。三元組損失在物理意義上，就是透過學習，使得同類樣本的 Positive 樣本，更靠近 Anchor，而不同類的樣本 Negative 則遠離 Anchor。
它在數學表達上也直觀簡單，損失函數定義為：同類樣本的距離，減去不同類樣本的距離。縮小該損失函數，就意味著縮小同類樣本的距離，或者增大不同類樣本的距離。它的實際使用效果也非常的好，特別是用在遷移學習上面。
早期三元組損失，使用歐氏距離，但是因為人臉辨識中，常用餘弦距離，衡量特徵之間的相似程度，所以後面很快就有人使用餘弦距離，對三元組損失進行了改造。
3）Insight Face
接下來測度學習的應用，集中在對訓練過程中的分類器的改造上面。因為分類器採用的全連接形式，等效於計算餘弦距離，而餘弦距離衡量的，是不同特徵之間的夾角，但是在這種形式下， Softmax 函數並沒有直接作用在角度上面，對決策邊界的影響很小，所以導致優化 Softmax 函數，並不能保證真正縮小類內差異。
在這種情況下，就有人提出，能不能透過改造最後的分類器，使得 Softmax 函數，直接作用到角度上，從而在優化的同時，能夠保證縮小類內距離，增加類間距離。
Insight Face 就在這種思想下應運而生，它的損失函數如圖 12 所示，直接作用在了角度距離上，能夠更加有效的從角度，來優化最後的決策邊界，使得同一類樣本提取到的特徵更加聚合。參數 m 則保證了不同類樣本之間的特徵，存在一定的間隔。
2.2.3 其他改進
除了上述的一些流行的改進以外，業內為了提高人臉辨識特徵，提取的精度和速度，也做了一些其它的改進。
比如最近的改進，是商湯利用深度學習，增加從側臉到正臉的映射，來提高模型的精度，即 Deep Residual EquivAriant Mapping (DREAM) 的模組。
此外還有將語音語義上，常用的注意力機制，引入到人臉辨識中的一些改進等等。
為了提高特徵提取速度，業內提出了 Mobile Face Net、Shufflenet 等輕量級網路，利用知識蒸餾的手段，去壓縮網路模型結構等。
上述這些改進也都取得了非常好的效果。
3. 人臉辨識性能的評價標準
那麼，如何評價一個人臉辨識模型性能的好壞呢？這裡介紹一下人臉辨識性能常用的評價標準。
前面介紹過，評價一個人臉辨識模型性能好壞，最直接的就是它驗證性能的好壞。評價模型的驗證性能的主要指標，包括註冊失敗率，基本等同於模板提取失敗率，驗證的 ROC 曲線及等誤率值。
具體指標的計算如下：
（1）註冊失敗率
註冊失敗率 = 特徵提取失敗次數 / 特徵提取總次數 × 100%；
（2）錯誤拒絕率
相似度值範圍內等分為若干檔，得到若干個不同的閾值 S，計算不同閾值 S 的 FRR 如下：
FRR(S) = 同人比對相似度中低於閾值 S 的數量 / 同一人比對總數 × 100%；
（3）錯誤接受率
相似度值範圍內，等分為若干檔，得到若干個不同的閾值 S，計算不同閾值 S 的 FAR 如下：
FAR(S) = 非同人比對相似度中，不低於閾值 S 的數量 / 非同人比對總數 ×100%；
（4）等誤率
計算不同閾值時的錯誤接受率，和錯誤拒絕率。相似度閾值為橫座標，錯誤接受率和錯誤拒絕率為縱座標，用不同閾值的錯誤接受率，和錯誤拒絕率數據繪製曲線，如圖 13 所示，錯誤接受率等於錯誤拒絕率點的縱座標值，為等錯誤率。
4. 蘇寧在人臉辨識上的探索
4.1 蘇寧人臉辨識的主要用用場景
人臉辨識在蘇寧的各種應用場景下，都得到了廣泛的應用。最典型的應用，如員工打卡和蘇寧園區內部的監控，相對來說人臉數據庫的規模比較小，場景比較受控，而且人員的配合度比較高。我們的算法在這上面，都取得了非常高的辨識精度，千萬分之一 FAR 下的 FRR 在 5% 以內。
但是，對人臉辨識來說，最具有挑戰性的場景還是大規模的 1：N 的人臉應用。N 的規模通常在千萬級別或者億級別，直接從絕對數字上，放大了人臉辨識的產生的各種錯誤。這種場景通常會出現在，警政公安系統的安控場景下（這是以中國這種集權國家而言，民主世界許多國家都不允許使用人臉辨識於警政應用上），其他情況下的具體應用，還幾乎沒有。但是其實在智慧零售中也需要大規模 1：N 的人臉辨識能力。
蘇寧線下門市店人臉辨識應用的難度，又進一步增加：首先這是一個非用戶配合的場景；其次蘇寧有幾億會員，這個 N 是很恐怖的；再次，從業務上希望能夠對用戶進行分組，能夠去除店員的資訊，辨識出 VIP 會員，還要能對新用戶進行挖掘，同時要能做到黑名單的安全佈控；除此之外，有幾千家門市店的數據推流，系統的流量也是很大的。要設計這樣的解決方案，是非常恐怖的。
早期蘇寧的人臉辨識系統還不完善，這樣的龐大工作量幾乎完全由人工處理。但是隨著蘇寧人臉辨識算法的日益成熟，現在 AI 已經取代人，實現了完全自動化的客流分析統計、VIP 客戶辨識等功能，並應用在了蘇寧線下門市店中。
這裡我們不再過多討論，系統架構的複雜，而是接著介紹一下，蘇寧在人臉辨識上的一些實戰經驗。
4.2 數據上的探索
對於蘇寧來說，如何獲取更多更豐富的人臉數據，並進行有效清洗，也始終是工作的重點之一。有了豐富的圖像來源還不夠，因為採集到的人臉圖像，往往有很嚴重的噪聲；雖然算法模型，對一定的人臉噪聲足夠增強，但我們研究發現，更加高品質的數據集，的確可以提高算法模型性能，所以仍需要透過清洗標注，來去除這些噪聲數據。
為此，蘇寧專門成立了數據處理部門，用於獲取、清洗和標注數據。除了已知常見的那些公開數據集，如 MS_celeb_1M、VggFace2、CASIA_WebFace 等。我們也利用蘇寧多樣化的內部場景，構建了豐富的針對不同場景的人臉數據庫資源，這樣訓練出的模型，在實際場景中有更好的區分能力。
此外，我們也利用多種圖像處理手段，以及利用對抗式生成網路，生成了豐富多彩的人臉樣本，進一步提高了模型精度。
4.3 模型上的探索
蘇寧在人臉辨識算法上，尤其是模型上也做出了許多的探索。美國普渡大學生物工程學教授 Eugenio Culurciello ，在他的神經網路設計史中，給出了一張有關不同的骨幹網路，在 ImageNet 上的表現的分析圖。我們在它的基礎上，重點測試了 Resnet、Mobilenet 等幾種骨幹網路，根據速度和精度，選出了最適合我們應用場景的模型。
而在損失函數上，我們選擇了使用 InsightFace 進行預訓練，使用三元組損失針對不同的應用場景進行微調。
微調過程中，會首先固定所有層的參數，只微調最後一層特徵，在調整到一定程度之後，才會放開所有的參數，微調整個模型。
此外，我們還添加了一些注意力機制，如 SCA-CNN 中提出的空間和通道注意力機制等，使得我們的模型更多的關注有鑒別力的區域，能夠更加有效的去辨識不同身份的人臉，針對化妝、眼鏡、髮型等干擾因素，也能有很好的效果。
5. 總結
至此，我們介紹了人臉辨識在業內主要的三種應用方式，以及目前主流的算法。同時我們還介紹了蘇寧的人臉辨識在智慧零售中的主要應用，以及我們對於人臉辨識算法的一些有益探索。
但是一個完整的人臉辨識系統，並不是只有人臉辨識算法，就能夠正常的工作運行的，它還需要諸如人臉檢測、關鍵點定位等諸多算法的配合。
在下一篇文章，我們將拓展介紹一下這些相關的算法，以及它們在行業內的主流方法，及相關應用。
作者簡介
蘇寧科技人工智慧實驗室 圖像技術專家何智翔
畢業於對岸中國清華大學 THOCR 實驗室，師從對岸中國著名人工智慧專家 IEEE fellow 丁曉青教授，十餘年來一直從事人臉相關算法的研究。現任蘇寧科技人工智慧實驗室圖像技術專家，主要研究方向為人臉屬性的辨識、商品的檢測和辨識。