說起人臉識別技術，大多數人的第一印象應該是各類電影大片中所呈現的“炫酷”場景。其實，人臉識別技術離我們很近，並逐步在多個行業試水。但頻爆的負面新聞，讓不少人對其安全性持保留態度。近日，一則關於人臉識別技術新思路的探討，讓它的熱度再度高漲。一起來了解！
人臉識別技術存“姿勢角度”等漏洞
一年前，話題及流量擔當的演員趙薇曾小火一把，不過事件的源起不是她本人或她的作品，而是她的枕邊人——老公黃有龍，連帶一起火的是“人臉識別技術”。
原來是黃有龍的司機冒充黃有龍到北京某公證處，通過人臉識別技術辦理了委託公證證明，並把趙薇家的豪宅給賣了，黃有龍被斥諸法律。
無可厚非的是，人臉識別技術給人們帶來了諸多便利，並逐步滲入我們的生活。利用它，人們提高了電影和遊戲創作中人物的逼真度、提高了飲食業中的消費體驗及更好地保證了使用打車軟件的安全……
但事實真的如此美妙嗎？
人臉識別技術固然有不少優點、很酷很炫，但其安全性依然值得打上一個問號。據瞭解，人臉識別技術能夠在人臉變化不大的條件下取得比較好的效果，但是對於一些發生遮擋或者姿態角度偏大的情況就差強人意了；在深度學習出來之後，一些基於深度學習的方法雖然能夠解決上述部分問題，但是對姿態角度偏大的情況仍然無能為力。
3D人臉模型或可實現多角度識別
長期致力於人臉識別研究的美國密歇根州立大學劉小明教授或為這一棘手難題提供解決方案。
近日，在某公開演講上，劉小明提出，利用3D人臉可變模型或可解決2D圖像中姿態角度偏大問題。該方法神奇之處在於能夠使3D人臉模型“學習”2D圖像中人臉在拍照時候的姿勢狀態。
通過給神經網絡輸入通用正面人臉模板模型和2D圖像，神經網絡識別獲取圖像中人臉的姿態角度參數矩陣，利用這些參數就可以使模型“做出”和圖像中人臉同樣的臉部朝向。
劉小明教授開創性地利用3D人臉可變模型來學習2D圖像，並且通過級聯CNN神經網絡迴歸來提高精確度，使得即使在大姿態下，被遮擋的關鍵點也能被很好地定位出來。
劉小明教授還表示，通過表示學習和圖像生成兩部分可實現多角度人臉識別技術。表示學習能在某一個場景下獲取的多張不同姿態的圖像，並將這些圖像作為輸入，產生一個固定長度的特徵向量，該向量表示的是這個人的特徵，與姿態光照無關，同時該網絡還可以根據輸入的Noise/Pose編碼，生成不同姿態的人臉。
- END –
閱讀更多 產業最前線 的文章
