从百度大脑看人脸识别最新技术进展-电子发烧友网

目前，根据识别方式的不同，生物识别可分为人脸识别、指纹识别、虹膜识别、语音识别和静脉识别等。其中，人脸识别在全球生物识别市场份额中的增幅居于首位。

表一：各类生物识别技术对比

随着人脸识别技术不断成熟，市场需求将加速释放。从社保领取到校园门禁，从远程预授信到安检闸机检查，人脸识别正不断打开新的应用市场，行业也将呈现出新的技术发展趋势。在我国人脸识别技术领域处于领先地位的百度大脑自2019年以来，不断优化和升级其在人脸相关技术层面的发展，在人脸识别、人脸检测、人脸搜索、人体分析等方面持续进行技术迭代。

表二：2019年百度大脑人脸相关技术升级情况

在9月26日于深圳举行的“百度大脑人脸识别新产品及伙伴计划发布会”会上，百度分享了他们在百度大脑人脸识别的最新技术成果，并发布了多项全新的人脸识别产品。

最新进展

百度视觉技术部副总监丁二锐表示，视觉处于感知层，包括图像/视频、AR/VR，在形式上看它是从单帧的图像到多帧的视频，从语义上则是从“看清”到“看懂”的过程。百度计算机视觉技术包括图像、视频、边缘计算、重要垂类、AR/VR五大特色技术。其中，人脸属于百度机器视觉技术的重要垂类，在工业、安防等领域都得到了重点应用。

图一：百度大脑计算机视觉五大特色技术

从百度人脸技术发展历程来看，AI在由TO C向TO B产业端不断演进，当前技术开拓点主要集中在人脸的编辑方面。百度的人脸技术经历了三个大阶段，从早期的Densebox，到中期应用广泛并已实现落地的PyramidBox，到目前最新的MiningBox，整个检测技术在不断提升。例如，在PyramidBox技术中，不仅考虑了人脸、人头，还考虑了人体其他部分。

图二：百度大脑人脸检测技术

对于人脸关键点识别，丁二锐表示，hourglass是一个对称的结构，需要人为的将block级联起来，并由人工进行定义，而百度大脑采用基于AutoDL的网络搜索，并引入人脸多部件语义分割监督，大大降低了人力投入。

图三：百度大脑人脸关键点检测技术

在人脸识别方面，百度在早期就已采用EndTOEnd Metric learning，并根据金融需求，推出了基于GAN的图像质量增强算法。百度人脸识别技术1:1验证准确率达99.77%，并广泛应用于金融核验、安防监控、闸机考勤、公众/政治人物识别等不同场景。

图四：百度大脑人脸识别算法

在人脸活体检测方面，百度大脑提出了基于多模态的检测框架，利用RGB、Depth以及红外图像，该技术已经达到了央行金融支付的标准。

图五：百度大脑人脸活体检测技术

在实际应用中，由于计算资源和存储受限，如何在保证性能的情况下，又能适应外部的条件呢？丁二锐表示，基于PaddleSlim平台，采用自研的AMC（自动模型压缩）模型，在表现微降的情况下，整体的压缩率可以降低到50%；此外，通过自研的Light-NAS（轻量级模型结构的快速搜索）算法，还可大幅度缩短训练时间。

对于人脸识别的应用趋势，丁二锐认为，未来将实现以人脸为中心，再加上肢体交互应用的升级，例如对话式虚拟形象，此外，人脸与硬件的结合，也将会催生新的产品形式，例如百度大脑基于多模态FaceID打造的多功能警务一体机等等。