智东西（公众号：zhidxcom）

　　文 | 四月

　　导语：去年，马云刷脸在淘宝上买下汉诺威展邮票，“刷脸场景”火遍大江南北。实际上，除了金融支付，当单位门禁、课堂考勤识别从指纹换成人脸时，人脸识别类应用已经被频繁应用。未来，分散在各地的摄像头连接成一个有机的巨大“天网”，“刷脸”应用将成为下一代重要的交互模式。

　　人脸识别，类属视觉模式的一个细分领域，成为继智能语音后的又一块技术热点。不限于好莱坞科技电影中炫酷的“天眼”扫描场景，人脸识别技术已经渗透到多类日常。去年，马云刷自己的脸在淘宝上买下汉诺威展邮票，“刷脸场景”火遍大江南北。实际上，除了金融支付，当单位门禁、课堂考勤识别从指纹换成人脸时，人脸识别类应用已经被频繁应用。

　　一、摄像头代替“人眼”

　　所谓“计算机视觉”，即让计算机模仿人的双眼，完成相关任务和指令。如获得物体信息，识别有意义的概念、与此前知识体系匹配，进行判断和解读。这一系列看似简单的任务，对机器来说却并不那么容易实现。

　　要完成人脸识别的工作，首先需要进行准确的“人脸检测”，即计算机在图像或视频中找到人脸的位置，只需要判断目标图像是不是人脸。例如当前大部分照相机，j2直播，及手机摄像头都有人脸检测功能，可以自动获得人脸位置，从而对图片作一些自动调焦和优化。

　　随后，计算机会针对图像的具体信息进行提取，包括人脸部件点定位，人脸图像的对齐和归一化，人脸图像质量选取，特征提取，特征比对等。此时，可以对人脸进行一些身份信息判读，包括性别、年龄，甚至颜值。

　　值得强调的是，在金融支付与身份验证场景中，多将人脸检测作为辅助性手段，使用者往往需要提前出示自己的身份。这是一种“1：1”的身份验证，计算机对当前人脸和库存人脸进行比对，是对其他验证方式的一种辅助，从而提高身份验证的可靠性。

　　但在一些侦查类戏剧作品中，警察通过联机查保存了所有通缉犯数据的人脸库，将所获取的通缉犯信息放到通缉犯数据库中去逐个比对，以获取匹配度最高的嫌疑犯。每次人脸识别计算机要作n次人脸比对，这就是“1：n”的人脸查找。

　　如果要求计算机只凭人脸识别出一个人的身份，atv，就是最常见的“1：n”模式，其目标人脸库由n个人脸组成，随着n的增大，准确识别的难度也会增大，一次识别所需要的计算时间也会增加。一个普通的人能对数十量级上进行判断人脸的准确识别，随着n的增加，计算机识别的优势得到凸显。

　　人脸识别技术的比较维度很多，除了常见1：1，1：n比对级，还包括n：n，其衡量的标准不同。单从精确度上看，国内外视觉识别技术公司的识别正确率差异多体现在小数点上，比较意义不大。商业适用性则成为更加最关键的强化方向，以及实际使用场景中的准确率和可靠性。

　　二、初创和巨头的不同玩法

　　目前国内人工智能方向的创业公司约200家左右，其中一半获得了投资，超过70%的公司主攻图像或语音识别两个分类，其中部分人脸识别水平可比肩甚至超过美国。诸如Face++、Sensetime等初创公司，正在不遗余力地引进尖端人才方面。包括汉王、大恒、奥普光电等上市公司已经在B端市场的安防、工业制造领域占据领先份额。

　　计算机视觉已成为人工智能板块最受投资青睐的领域。 据数据网站显示，国内计算机视觉领域公司约30家，其中完成融资的公司接近80%。换个说法，凡是公司的业务与技术以计算机视觉应用为主，那么被投资的概率就是80%。这样的资本青睐程度放到整个互联网圈都是十分可怕的。

　　另一方面，相比于小规模创业者的做法，拥有海量数据与庞大业务规模的互联网巨头们开始了从内向外的创新和布局。腾讯在内部组建了人脸识别团队优图实验室。百度人脸识别也依靠庞大的数据资源得到指数级积累，阿里巴巴控股某人脸识别企业，将结合自家平台人脸数据优势，推动人脸识别2C的发展。

　　但此类公司对机器视觉产业的开发主要还是集中在工具化方面，例如腾讯的鉴黄服务、百度的识图功能等，主要应用在自有的产品体系中。