深度學習演算法將人臉識別進入人工智慧時代

面部識別，就是讓電腦像人用眼睛去看，然後用相機捕捉到的人的面部表情，從而確定對方是誰。對電腦而言，“識別”的過程分為兩個步驟：一是從所拍攝的影像中發現“人臉”，此過程稱為“人臉檢測”；然後將其與資料庫中的人臉進行比對，以此來判定被檢測到的人是誰，這就是所謂的“人臉識別”。

面部識別

人臉檢測主要是根據人臉的具體位置和尺寸，通常採用四個頂點的座標（例如在人臉識別流程中的綠色方塊）。這在人類看來很簡單（但科學家還不能完全理解人腦是如何工作的），但在電腦上就不一樣了。由於在電腦裡，彩色影像是由一塊接一塊的點構成，而每一塊象素都是由三種顏色數值（紅色）、綠色（G）、藍色（B）構成。可以想象，從數字上的差別，很難分辨出人與不是人。所以，人工智慧技術人員必須要設計出相應的演算法來對其進行分析，找出其中的不同之處，以區分不同的人臉區域和非人臉區域，實現人臉識別。

面部辨識

只要能看到對方的臉，就能做出準確的判斷。臉部識別一般有兩種情況：第一種是1：1的人臉識別，比較簡單，例如，手機解鎖，就是將“主人”的照片與手機中的人進行對比；第二種方法是1： N人臉識別，將一張不知名的人臉圖片與資料庫中的所有已知面孔進行比對，以確定該人是否為資料庫中的某一人，若為，則顯示該人的資料庫資訊。

面部識別是如何進入您的生活的？

從1970年開始，人臉識別技術一直到最近幾年才開始普及，原因何在？由於人臉識別的最大難點在於對影象中的資料進行處理、分析，並從中提取出能夠區別出各個人的關鍵特徵。

早在2014年時，面部識別專家就已經開始著手進行這種功能的人工設計。在2014年以前的十多年間，最常用的人臉識別技術就是對面部的區域性（例如，左眼）中的“微模式”進行計數，這種現象通常被稱作“區域性特徵”。該演算法在採集條件良好、被識別人積極配合時，能夠獲得較好的識別結果，而在複雜、變化的人臉識別中，識別準確率甚至達不到90%。

在深度學習演算法、 GPU強大的運算能力以及龐大的人臉庫支援下，在2014年以後，人臉識別技術得到了極大的發展。深度學習演算法最吸引人的地方，就是不用費心思來定義“特徵”了，它只需要為深度學習演算法準備一堆“食材”（圖片），然後由深度學習演算法來實現。自此，人臉識別技術在日常生活中得到了廣泛的運用，包括影片偵查、追逃、考勤等。

人臉識別的方向是什麼？

在今後的研究中，人臉識別技術將會朝著“智慧的影象分析”方向發展。一旦有了犯罪嫌疑人，所有的監控錄影都會被連線在一起，從而鎖定嫌疑人的行蹤。除此之外，他還發現了一種名為“讀心術”的特殊能力。中國科學院智慧資訊中心的“表情識別”系統，可以在瞬間偵測到18張臉部的表情，以確定對方的情緒、心理、甚至是心理狀態。該技術有著廣闊的應用前景，例如在課堂上，透過對學生臉部表情的分析，來決定你對課堂的理解，併為自己制定最好的學習方案；在家可以讓你有一個機器人朋友，能適時地感受到你的情緒和情緒。

與其它科技一樣，在科學家們幾十年的努力下，人臉識別技術也逐漸積累起來，並逐漸發展壯大，並逐漸融入到人們的日常生活中。在未來，面部識別技術必將在人們生活中發揮著越來越大的作用，為人們的生活帶來更多的便利和安全。