未来的趋势肯定是5G+AI+IOT的时代,随着科技的不断发展,特别是深度学习的出现,极大提升了AI研发和应用的能力。
人脸识别一直是AI行业最热门的话题,也一直是最有挑战的课题,从最初基于几何、纹理等特征的识别,逐步转为为基于统计的特征,现在基本都是基于深度学习原理来开展研究,依然面临的最大挑战主要是以下几方面:
一、年龄变化、人脸姿态、局部遮挡等使得常规技术难点依然需要进一步提高精度
1、年龄变化带来的特征变化
随着人年纪不断增长,其面部特征也自然发生了较大改变,虽然人脸某些特征有一定的不变性和唯一性,但是深度学习提取的特征是巨大的,里面包含了无数我们还不理解的特征,存在着不可确定性,随着年纪的增长而改变,这给人脸识别带来了挑战。
2、人脸姿态的影响
人脸在拍摄的过程中,如果人员不主动配合,会故意转动头部,从而获取的人脸特征不易提取,比如故意仰头、低头、大角度把脸转到一边等等,这也是人脸识别面临的较大挑战。
3、脸部有遮挡
比如在疫情期间,大家都戴着口罩,这对人脸识别就是一个较大的挑战。还有戴墨镜、故意蓄很长的胡子等等,这些故意改变人脸特征的做法才是人脸识别的最大挑战。
二、巨量类别的模式识别问题。
针对城市级别或者国家级别的人脸识别、辨别的应用动辄百万、千万级别,涉及到海量类别的模式识别,必然存在问题。
常用的欧式距离分类,用魔方来比喻,把每个人脸特征装进魔方中的一个小块中,面对海量数据时,欧式距离无法对这些类别进行有效分类。
这就需要寻找更高维空间,目前已经有很多研究成果,但是依然没有很好的解决。
三、复杂光照对人脸识别的影响
人脸识别在提取特征和训练的过程中,大多数人脸都是在光照相对均匀,人脸相对正面的情况下获取得到的。而实际使用的环境却存在非常多的可能性:比如在阴暗的走廊、在阳光直射下、一边脸被太阳照射,一边在阴影中等。
这些不同的环境,给人脸特征提取带来了极大困难,也是影响人脸识别较大的因素和挑战。
现在的人脸识别算法在受控良好光线环境中的识别效果已经很好了,但在工地、地铁入口等自然场景场景中人脸识别精度依然不高。
其原因就是采集的图像由于光照影响已经难以恢复成正常光照下人脸的特征,所以目前主要是从前端硬件寻找解决办法,目前商用的近红外主动光源照射成像就是一个不错的解决方案。
采用近红外成像的方案,就又引出了另外一个异质图像人脸识别问题。就是必须要使用近红外人脸图像进行注册,在目前情况下这是很难做到的,因为身份证照片注册还没有采集近红外人脸图像。这个问题目前也有一些学者提出了一些解决方案,但是仍然不够完美,需要进一步研究。要么直接不用硬件辅助,直接从算法断解决;要用硬件辅助则就要解决异质图像问题。
而且要做到一般监控摄像头也可以实时进行人脸识别,那么去掉硬件辅助是必须要面对的问题。
四、个人隐私和数据保护的隐患
1、数据泄露隐患
大量人脸识别研发公司已经工程公司存有大量人脸数据,而这些数据并没有得到很好的监管,如果泄露将是一个巨大的灾难。
2、使用必要性存疑
广阔的市场前景,让人脸识别行业受到资本的大力追捧,也引来了众多科技企业的争相探索。为了抢占市场份额,不少企业“开荒辟土”,为人脸识别的落地开拓出众多全新场景。但是,有很多非刚需人脸识别应用场景存在争议。“应用为先,安全第二”的落地标准更是让安全风险暴露无遗。
比如,高校教室里安装人脸识别系统对学生课堂听讲情况的全程监控,任何动作都都逃不过人脸识别系统的“法眼”。这不仅侵犯学生的个人隐私,背后的信息去向更为人担忧。。
3、滥用数据风险
此前,伊利诺伊州的一起集体诉讼案,指控脸书公司滥用面部识别数据,并要求赔偿350亿美元,脸书要求美国一家法院驳回此案。此案涉及700万用户,脸书的面部识别技术违反了伊利诺伊州的生物特征信息隐私法(BIPA)。
4、安全隐忧
美国人工智能公司Kneron测试团队,在荷兰最大的机场史基浦机场用手机屏幕上的一张照片骗过了自助登机终端,引起了人们对人脸识别准确性和安全性的关注。此外,该团队还用一个特制的3D面具成功蒙骗了微信和支付宝等人脸识别支付系统,同样引起了人们对人脸识别支付安全性的担忧。
五、人脸识别应用相应的法律法规还不够完善
人脸识别的应用,需要政府给予监管和指导。
#我,无条件写作 #
閱讀更多 深圳科技資訊 的文章