虹软视觉主办的AI Maker开发者创造营已在成都成功举行

随着数字时代全面到来，开发者正成为社会进步的中坚力量，更是企业创新的动力和产业革命的灵魂，机器视觉、人脸识别、深度学习等各类AI技术则是开发者手中用以改变世界的实战利器。

为帮助更多开发者深入掌握视觉AI实战技巧，4月1日，虹软视觉开放平台主办的AI Maker开发者创造营在成都举行。作为系列活动，“天府之国”成都站是开发者创造营的首站，后续还将去到开发者云集的各个城市，为全国各地的开发者答疑解惑，传授视觉AI开发的一线实战技巧。

虹软开放平台一直非常重视开发者群体，除提供免费、离线的ArcFace人脸识别算法外，也致力于打造系统化的开发者培训体系，旨在为全行业输送高质量人才，打造促使产业变革的智能基座。除线下的AI Maker开发者创造营城市站活动外，虹软开放平台还在线上发布了囊括技术、产品、解决方案等三个领域的视频公开课程，为开发者打造循序渐进、登堂入室的技术阶梯——这也是虹软开放平台所打造的开发者生态的一部分。

【资深工程师剖析一线实战技巧】

在满场开发者的瞩目中，开发者创造营请出了虹软资深技术专家和开放平台的开发者代表，从人脸识别应用的开发、测试和使用心得三方面，详细阐述了来自一线的实战经验。

针对人脸识别的开发技巧，虹软技术专家整体介绍了开发思路、优化策略和常见疑难。据专家介绍，尽管人脸识别的应用已经相当普遍，如刷脸乘车、人脸识别测温、人脸支付等等，都属于常见的应用场景。然而人脸识别产品的开发却并不容易，在实际部署中是否采用了某些优化策略，会对识别效果和识别速度产生显著影响——这些策略正是一线开发者在实践中总结出的宝贵经验。

譬如人脸追踪是相当重要的优化策略之一，最大的用处是防止重复识别，降低资源占用，在需要同时检测多张人脸等算力消耗较高的场景下，可以显著提升识别速度。

从技术原理来说，算法在运行过程中，会检测视频系列帧前后的人脸移动情况和特征，从而进行追踪和检测。以虹软视觉开放平台的ArcFace免费人脸识别算法为例，当人脸入框时，算法会根据检测结果为该张人脸标记一个FaceID。该人脸从进入画面到离开画面的整个过程中，FaceID不变，算法也不会重复提取特征值，避免重复识别导致资源无效占用。

活体检测也是当下人脸识别应用不可或缺的功能。虹软ArcFace SDK可以同时支持RGB和IR红外双目活体检测，既能通过分析采集摩尔纹、成像畸形、反射率等人像破绽来识别活体，也能基于红外图像天然滤除特定波段光线的特征，来抵御基于屏幕成像的假脸攻击，在成本与性能上达到了较好的平衡。

但是，由于RGB摄像头和红外摄像头是不同的模组，不可避免会在成像参数和组装精度上有所不同。因此需要进行双目对齐，以确保两个镜头在活体检测、人脸比对时，使用的是同一张人脸图像。一般来说，我们的策略是将RGB镜头所检测到人脸框坐标，嵌套至红外镜头采集的图像中。如发现该人脸框与红外图像中的对应人脸有所偏移，就需要对该人脸框坐标进行调整。

人脸框嵌套只是最简单的双目对齐策略，如有需要用还刻意采用镜像、缩放、旋转等对齐策略，这些都可以在虹软视觉开放平台所提供的官方Demo中得到参考。在结合人脸识别门禁，详细介绍了多个实用优化策略与部署时的常见错误后，技术专家又围绕人脸识别算法测试进行了实战经验分享。目前市面上既有OpenCV等开源算法库，很多芯片厂商的产品也自带简单算法，同时如虹软开放平台这样的专业算法厂商也会开放相关技术，但对于开发者而言，面对市场上的各类算法，如何对算法性能做出合理评判就相当重要。

在理想状态下，人脸识别准确率越高越好，但算法在产品化时会受到光线、遮挡、图片质量、遮挡等外部因素，以及人脸姿态、年龄、性别、人种和表情等内部因素的综合影响。因此，评价一款算法是否适用于产品，需要结合实际场景并进行测试后才能做出评价。多数情况下，业内以基于FAR（错误接受率，又称误识率，即把某人误识为其他人的概率）和FRR（错误拒绝率率，即本人注册在底库中，但比对相似度达到不预定的值）的DET曲线作为评判参考。

理想状况下，FAR和FRR都越低越好，但两个指标是一个跷跷板，一个指标的降低通常意味着另一个指标会升高，所以需要实现两者间的平衡。一般认为在FAR达到市场正常水准时，FRR越低，该人脸识别算法性能就越好。在实际测试时，开发者需要根据对应项目建立相应的测试集，采集场景需要贴近实际使用场景；尽可能涵盖识别目标的全属性，包括性别、肤色、发型等因素；属性权重按照评测偏重点分配；测试集本身也需要有足够的容量，来保证测试结果可信。

【3年7项目，虹软开发者坦陈心得】

除了两位资深工程师的详细授课，虹软开放平台的开发者代表也出来现身说法，讲述了自己多年以来使用ArcFace进行产品开发的心得。据开发者介绍，他于2018年入职新公司，接手的第一个项目就是人脸识别系统的开发。起初为了提升自身形象，该公司从某算法大厂购买了一套人脸识别系统，每年都需要支付12万元的使用费用，但性能上并不尽如人意，不满足高并发场景，不支持二次开发，为企业的产品推广与定制化带来很大阻碍。

该位开发者入职后就着手人脸识别算法的选型与开发，这次他吸取了原先的教训，从算法性能、二次开发成本、使用成本和运维成本等多方面入手，就市场上较为成熟的几款算法进行测试对比，最终选择了虹软的ArcFace SDK。当时由于项目签约快、开发时间短、人脸识别准确性要求高，该开发者承受着不小的压力，好在ArcFace上手较快、集成较为简单，最终有惊无险地完成了项目开发。

进入新公司三年来，他先后从ArcFace 1.2版本用到了4.0版本，三年时间完成了7个人脸识别项目的开发，俨然成为了资深的虹软开发者，也凭借自身出色的工作成绩，在新公司得到了上级和同事的认可。

在亲手体验过ArcFace的多个版本后，该开发者对最新的4.0版本评价最高：ArcFace4.0对于人脸检测、人脸识别、活体检测、人证核验等算法模型都进行了全面升级，算法精度大幅提升，活体检测防攻击能力大幅增强。新算法还兼容了大面积遮挡下的人脸识别功能，新增多项人脸属性分析能力，可以满足更多样化场景的需求。

总体而言，他认为虹软开发平台极大降低了中小企业在人脸识别方面的应用门槛，可以快速、高效地完成ArcFace的部署集成，从而将更多精力集中在公司的核心业务能力上，快速实现项目落地，这对整个行业而言都是极大的便利。

短短两个小时一晃而过，创造营结束后，仍有多位开发者围着虹软工程师进行技术探讨。开发者的热忱专注令人动容，后续AI Maker开发者创造营还将在更多城市举办，不断凝聚前期活动经验，将最实用的专业知识传递到有需求的人手中，推动虹软开发者生态持续壮大，既让更多开发者分享数字经济的红利，也为行业打下坚实的“智能基座”。

fqj