“刷臉進(jìn)站”是怎么做到的?

　　一年一度的春運(yùn)很快就要來了。

　　出門打拼的人都知道，每年春運(yùn)都是一場關(guān)于擁擠的記憶，人頭涌動的車廂，排成長龍的檢票口，仿佛永遠(yuǎn)都不會消退的人潮。

　　為了減少擁擠，我們開發(fā)了新技術(shù)來提高進(jìn)出站的效率，比如今年，北京西站就新設(shè)立了可以“刷臉”的機(jī)器。

　　手持車票和二代身份證的旅客只要拿掉口罩、墨鏡等遮擋面部的物品，往這機(jī)器前面一站，5秒鐘即可順利放行。

　　比起傳統(tǒng)的靠工作人員識別放行，這些機(jī)器最大的優(yōu)勢在于節(jié)省人力，而且方便快捷。

　　當(dāng)然，這也對計算機(jī)“看臉識人”的本事提出了很高的要求，如何確認(rèn)眼前這個人就是身份證上的那位呢?這涉及到模式識別、圖像處理、計算機(jī)視覺、統(tǒng)計學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、小波分析、子空間理論和流形學(xué)習(xí)等眾多學(xué)科，還有一系列以“特征臉方法”為代表的識別算法。

　　這類算法的思路主要是利用一種叫“主成分分析”的數(shù)學(xué)方法，對二維的人臉圖片進(jìn)行降維和提取特征，將其轉(zhuǎn)化為一組向量集，進(jìn)而轉(zhuǎn)化為數(shù)學(xué)運(yùn)算來處理。

　　它首先需要準(zhǔn)備一些基本的人臉模型(稱為“訓(xùn)練集”)，將其向量化后獲得基本的特征向量。

　　這些特征向量在返回成圖像時看上去仍像人臉，擁有人臉的基本特征，所以它們也被稱為“特征臉”。

　　在具體的識別過程中，算法會把需要識別的人臉圖像向量化、數(shù)字化，然后從參考用的訓(xùn)練集數(shù)據(jù)中找出與當(dāng)前要識別的人臉數(shù)據(jù)對應(yīng)的幾個特征值，構(gòu)成一組特征向量基，以達(dá)到表征原數(shù)據(jù)的目的。

　　任何一幅人臉圖象在減去平均人臉后都可投影到子空間，得到一組權(quán)值向量，而后計算機(jī)就可以直接對比這組向量，確認(rèn)兩邊圖像中是否是同一個人了。

　　該方法實際上是計算了此向量和訓(xùn)練集中每個人的權(quán)值向量之間的歐式距離，取最小距離所對應(yīng)的人臉圖像的身份作為測試人臉圖像的身份。

　　打個比方，這就像是警察局里指認(rèn)嫌疑人時所用的“拼臉”方法，它以一個基礎(chǔ)臉型為底，將合適的眼睛、眉毛等五官放上去，最終組成一個與嫌疑人最像的人臉圖。

　　“刷臉機(jī)器”所做的事情也大致如此，只是它的“眼睛”、“眉毛”等五官更加抽象，對比的過程也是通過純數(shù)字化的形式進(jìn)行。

　　但基礎(chǔ)的特征臉?biāo)惴ū容^適合處理靜態(tài)的正面圖像，為了應(yīng)付旅客在拍照時可能出現(xiàn)的不同姿態(tài)，研究者又開發(fā)出了“彈性圖匹配”的思路。

　　它把所有人臉圖像看作具有相似的拓?fù)浣Y(jié)構(gòu)，不注重角度、長度等量化的性質(zhì)，而側(cè)重于變換后的圖形的不變性質(zhì)。

　　所以它還有一個形象的名稱，叫“橡皮泥幾何”。

　　在這種方法中，所有的人臉可以表示成類似的拓?fù)鋱D，它的節(jié)點(diǎn)是一些基準(zhǔn)點(diǎn)(如眼睛，鼻尖等)，它的邊是這些基準(zhǔn)點(diǎn)之間的連線。

　　為了識別一張新的人臉，需要從該人臉中找到基準(zhǔn)點(diǎn)，提取出一個人臉圖，令這幅圖和現(xiàn)有的彈性束圖之間的相似度最大。

　　經(jīng)過匹配后，新的彈性束圖將被提取出來，然后再把它放入“特征臉方法”中進(jìn)行識別。

　　在彈性匹配的過程中，網(wǎng)格的形狀會隨著特征點(diǎn)的搜索而不斷變化，因此對姿態(tài)的變化也具有一定的自適應(yīng)性。

　　其實，在“刷臉進(jìn)站”出現(xiàn)之前，人臉識別技術(shù)已經(jīng)越來越多出現(xiàn)在我們的生活中，比如很多智能手機(jī)里附帶了按“面孔”整理相冊的功能，這就是一項借助“特征臉方法”對照片中出現(xiàn)的人臉進(jìn)行歸類的算法。

　　可以想象，在不遠(yuǎn)的未來，人臉識別技術(shù)會更加融入我們的生活中，讓生活更加便捷。