►人工智能技术“御眼重明2.0”

撰文 | 陈燕惠  

责编 | 程   莉

●　●　●

在影视剧中，我们常常看到这样的桥段——祖孙或者母女用同一个演员饰演来暗示他们之间的血缘关系，但事实上，从遗传学的角度看，人的相貌基因在遗传时总是遵循“相乘后再平均”法则的。因此直系亲属之间，所隔代数越多，长相的相似度是呈指数级递减的。

研究表明隔代直系亲属之间面部越来越中和，难以寻找祖辈之间明显的基因特征。此外，现在很多少数民族的特有面貌，也因为人类发展、血统发展而逐步消失，比方说彝族，一般认为都是瘦小精干，大眼睛，现在也出现了三角眼、高大粗壮体型。

在这样一个前提下，如何根据家庭成员的容貌在茫茫人海中锁定失踪多年的孩子呢？以便进一步DNA鉴定确认。

9月15日晚8点，在《机智过人》第二季第五期的节目中，云从科技联合创始人姚志强带来的人脸识别技术“御眼重明2.0”将采取结构光的技术挑战跨代的辨识能力，即通过祖辈寻找孙辈。而与之分庭对抗的则是来自山东青岛市刑警支队，拥有15年模拟画像经验的崔娟警官。

►崔娟警官展示模拟画像

据崔警官介绍，模拟画像不仅仅是画像，还包含颅骨复原、人脸识别两个重要技能。优秀的模拟画像靠的是七分交流以及三分刻画，即通过和描述人聊天，并从其只言片语中挖掘关键信息，以达到寻找失踪人口和找到刑事犯罪的嫌疑人等目的。此外，崔警官也表示爷孙之间模拟画像相似度最高为70%左右。如果跨的代数更多，年龄跨度太大，相似度可能会锐减到20%左右。

与模拟画像相比，人工智能技术“御眼重明2.0”在隔代直系亲属的识别中，父母与孩子之间的识别率大约是74%~80%，而祖孙跨代，识别率最高为78.16%，最低是19.14%。

节目现场，来自国家广电总局老年合唱团的多名检验助理协助双方展开挑战。“御眼重明”和崔娟警官需要通过给定的4个孩子模糊的面部拓本，和整个合唱团成员的面部进行分析比对，并找出4位孩子的祖辈。从上述数据对比结果来看，两种不同方法的人脸识别率（跨越3代直系亲属）不相上下，因此究竟是机智过人还是技不如人在挑战开始前也充满了不确定性。

挑战双方最终都完成了任务，但“御眼重明2.0”技术通过大样本的数据学习和优化的算法匹配跨越3代的祖孙俩，以更快的识别速度获得了最后的胜利。

人脸识别技术主要通过对输入的人脸图像或者视频流，以及每个人的主要面部器官位置信息进行保存和分析，进而提取其中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而达到识别身份的目的。

20世纪60年代，德州大学奥斯汀分校的Woody Bledsoe开发了一种系统，通过一种电子平板手动对人脸照片进行分类。该系统可用于手动记录各种面部特征的坐标位置，包括眼睛、鼻子、发际线和嘴巴，将这些度量标准插入数据库中，然后再将新照片和数据库中存储的图像进行比对。由于时代的限制，手工标记的方法存在费时费力和精确度低等诸多缺点，未能向智能化时代迈进。

1988年，来自布朗大学的Sirovich和Kirby开始将线性代数应用于面部识别问题，并提出通过特征脸（Eigenface）进行人脸识别的概念。随后，MIT的研究者Matthew Turk和AlexPentland经过多次尝试终于实现了自动化面部识别。目前，随着计算机技术和光学成像技术的发展得到不断提高，来自Facebook，Google以及我国创业团队Face++的研究者相继取得了突破性的进展，实现97%以上的准确率，接近了人类的测试水平。

►一些特征脸

和以往相比，现代人工智能取得了巨大的进步，主要体现在以下几个方面。

1）光学成像技术和计算机的发展提高了采集图像的质量。

2）在人脸图像预处理的过程中采用多种方法，包括光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

3）人脸检测过程中提取丰富的人脸表征并强调不同面部特征对识别结果的贡献度不同，例如人脸的上半区域对识别的重要性明显高于下半区域。

4）在人脸图像匹配过程中集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术。

目前，Facebook的DeepFace系统将深度学习方法引入人脸识别系统，而2015年Google的FaceNet则首次将“三元组”距离度量引入人脸识别，引领了一系列后续研究。这一系列研究的特点均是采用深度学习方法构建系统，运用百万以上的人脸数据进行训练，历史上首次将人脸识别系统发展到可以大规模商业运用的成熟度。

尽管人脸识别技术充斥在人们日常生活的方方面面中,但该技术仍有许多局限性，例如光照的变化会大大影响人脸的外观，从而影响识别的性能。此外，系统采集到的图像和视频流中可能会出现面部遮挡，形变（大笑）、侧脸等现象。因此，在诸多条件的限制下，神经网络很难提取出与“标准脸”相似的特征，导致识别和验证失败。

从另一个角度而言，随着年龄的增长，人的脸部会发生变形并伴随皮肤和软组织的改变，例如抬头纹、眼角下垂、口角脂肪松垂、鱼尾纹、色素堆积和毛孔变大。耶鲁大学的DerekM.Steinbacher 教授认为“皮肤磨损”和环境暴露是导致面部衰老的主要原因之一。

首先，面部衰老是一个正常的生理过程，性别、生活地域、疾病和保养造成的衰老存在着差异，但都有一些共同特征。年轻人群有清晰明确的间隔和完整附属组织使皮肤和面部结构位于适当位置，因此皮肤紧致、面部轮廓清晰并且骨相明显，而老年人的面部却略带“苦相”，犹如蜡烛融化一般出现明显的下垂和松弛现象，颊骨轮廓模糊。

其次，随着时间的推移，皮肤会遭到损伤，这将导致皮肤出现皱纹、暗斑，甚至肿瘤。长期的阳光照射会损伤弹性纤维，导致它们出现不规则积聚，胶原纤维数量减少，其余纤维组织紊乱。此外，吸烟等其他不健康的生活方式也会加速面部老化的进程。

尽管年龄是影响人脸识别成功率的关键因素，但是有一些几何特征并不会随着年龄变化而改变。

“御眼重明2.0”技术正是通过海量样本的聚类分类训练以及结构光的技术，提取人脸的深度特征点、构造比例和长度特征，构建贝叶斯网络，迅速锁定对象。正是由于获取了面部的立体信息，才实现了跨越年龄的脸部识别。

►人脸图像特征提取

在未来生活中，人脸识别这项集成了人工智能、机器学习、理论构建和图片处理等等多种专业技术的系统，将在需要识别身份的场景中得到广泛的运用，例如物联网、移动互联网、银行、安防、刑侦和交通等，并且真正实现人身和信息的安全。