找回密码

“天网”系统也已在接口布局,“筛”遍中国13亿面孔

眼看2018只剩下最后一个月了,翻看这一年各个领域的热点事件,总有一些会让人特别在意。

近日,北京市海淀区上线了行人过马路闯红灯实时大屏曝光,这一新设施会把闯红灯行人的图像抓拍下来,即时显示在路口的大屏幕上。如果有人闯灯,系统就会响起提醒声音,大屏幕也实时播放斑马线行人的画面。去年6月,包括石家庄、济南、武汉等城市,都已上线了这一系统。未来,闯红灯违法记录还计划与个人信用挂钩,对道路行人实现警示和惩罚作用。从11月1日至12月1日,这一地点发生了15起行人闯红灯事件,曝光设备的增加规范了行人的行为规范,减少了交通安全事故的发生。

同时,“天网”系统也已在接口布局,“筛”遍中国13亿面孔:

“天网”依靠的是动态人脸识别技术,能够准确识别超过40种人脸特征,可以根据视角不同、光线明暗差异、动态静态条件等情况,准确识别出人脸。此外,该系统速度也非常惊人,可实现每秒比对30亿次,花1秒钟就能将全国人口“筛”一遍,花2秒钟便能将世界人口“筛”一遍。动态人脸识别技术的准确率也非常高,目前1:1识别准确率已经达到99.8%以上,而人类肉眼的识别准确率为97.52%。

依靠2000万个摄像头,“天网”已经布局全国16个省市,高准确率的识别性别、年龄、人脸,大大有利于警方破案,过去两年,全国超过2000名在逃犯因被天网识破而被抓获。

“天网”的建设,已经极度接近美剧《疑犯追踪》里的AI系统The Machine和Samaritan。同样是靠摄像头和人脸识别,这两大系统控制着剧中纽约整个市的运转,红绿灯、罪犯抓捕、预防犯罪等等。

真实的城市,智慧程度远超你的想象。

近些年,人工智能越来越受到重视,简单的监控摄像已经无法满足当前安防的要求,用户面对海量的视频数据,已无法简单利用人海战术进行检索和分析,需要人工智能作为专家或助手,实时分析视频内容,探测异常信息,进行风险预测。而在智慧城市中,人脸识别技术发挥着至关重要的作用。

那人脸识别到底是什么?

人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。通常采用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸。在不同的生物特征识别方法中,人脸识别有其自身特殊的优势,这使其具有非常广泛的应用前景,引起了学术界和商业界越来越多的关注。目前,应用场景正在日益丰富,不断刷新着人们的想象。

人脸识别经历了多次努力与尝试才取得了当前的重大突破与成绩:

最初的人脸识别技术非常简单,主要利用人脸的几何结构,通过分析人脸器官特征点及其之间的拓扑关系进行辨识。这种方法简单直观,但是一旦人脸姿态、表情发生变化,精度则严重下降。在后续发展中,慢慢出现了基于“特征脸”(Eigenface)方法、遗传算法、支持向量机(Support Vector Machine,SVM)、boosting、流形学习以及核方法等进行人脸识别的技术,但这些技术依旧有着场景与环境的限制。

2013年,微软亚洲研究院的研究者首度尝试了10万规模的大训练数据,并基于高维LBP特征和Joint Bayesian方法在LFW上获得了95.17%的精度。这一结果表明:大训练数据集对于有效提升非受限环境下的人脸识别很重要。然而,以上所有这些经典方法,都难以处理大规模数据集的训练场景。

2014年前后,随着大数据和深度学习的发展,神经网络重受瞩目,并在图像分类、手写体识别、语音识别等应用中获得了远超经典方法的结果。香港中文大学的Sun Yi等人提出将卷积神经网络应用到人脸识别上,采用20万训练数据,在LFW上第一次得到超过人类水平的识别精度,这是人脸识别发展历史上的一座里程碑。

自此之后,研究者们不断改进网络结构,同时扩大训练样本规模,将LFW上的识别精度推到99.5%以上。人脸识别发展过程中一些经典的方法及其在LFW上的精度,都有一个基本的趋势:训练数据规模越来越大,识别精度越来越高。

随着人脸识别技术的精准度越来越高,人脸识别应用领域加速落地,在银行、证券、金融社保、交通、教育、电子商务、高考、机场、地铁等场景应用频频刷屏,热度居高不下。在智慧城市发展的热潮下,人脸识别将成为推进智慧城市建设的有利武器。​​​​

相关推荐