机器视力留意面部识别

虽然隐私问题多年来一直是一个因素，但事实证明，如果你把一个有用的应用程序放在机器视觉算法前面——比如。如果你让它变得有趣，每个人都很开心。例如，俄罗斯的一个音乐节使用面部识别算法向与会者提供自己在活动中的照片，而新加坡的一家公司正在开发一种交通票务系统，该系统使用自愿面部识别，在乘客通过检票口时向他们收费。

这有助于消费者掌握面部检测技术。像FaceLock这样的移动应用程序可以扫描用户的脸来解锁智能手机或平板电脑上的应用程序。此外，苹果公司最近申请的一项专利表明，下一代iPhone将“利用深度信息增强面部检测”。用户还依赖面部识别来完成关键任务，如移动银行和商务。

预计面部识别和其他生物识别技术的使用增长反映了这些趋势。人脸识别市场规模预计将从2016年的33亿美元增至2021年的68.4亿美元。分析人士将这种增长归因于不断扩大的监视市场、不断增加的政府部署以及身份管理方面的其他应用。

机器视觉行业正开始寻找方法，利用面部识别的增长机会，无论是校准在微光下工作的摄像头，还是帮助警察抓获嫌疑人的移动应用程序。但这项技术首先需要克服一些小问题。

编辑和服务
怀疑技术这家位于马萨诸塞州剑桥市的初创公司已经开发出了先进的面部识别算法，但在执法中是出于两种截然不同的目的。一种用途是针对警察佩戴的随身相机的隐私考虑。人们最常提到的佩戴视频的目的是提高执法的问责性和透明度。当有人根据《信息自由法》(Freedom of Information Act)提出获取这些视频的要求时，执法机构必须立即遵守。

但如果不先模糊受害者、未成年人和无辜旁观者的身份，他们就无法做到这一点，这通常是一个缓慢而乏味的过程，仅限于视频专家。在VIEVU制造的摄像机上，可以使用Suspect Technologies的自动视频编辑(AVR)软件，该软件针对BWV的真实环境进行了优化——最显著的是高移动和低光照。这项技术可以同时跟踪多个物体，其特点是有一个简单的界面，允许用户添加或调整编辑过的物体。与现有方法相比，AVR将剪辑视频所需的时间缩短了十倍。

与掩盖身份的AVR不同，Suspect Technologies推出了一款手机面部识别应用程序来识别嫌疑人。“就目前情况来看，执法部门还没有简单的方法来判断一个人是否是通缉犯，”Suspect Technologies的首席执行官兼首席技术官雅各布•尼夫纳(Jacob sniffer)说。

该公司的基于云的观察列表识别软件兼容i​​Phone和Android设备，已在1000万个面上进行测试。该算法利用了更好的面部识别精度，每四年增加十倍。“我们的目标是大约100,000个身份的100％准确，”嗅闻说。

Suspect Technologies将首先为中型城镇的地区执法机构定制这种产品，这些地方通常有大约100名被通缉的重罪犯。该公司还计划将其软件引入学校和企业，用于考勤应用程序。

相机识别
在硬件方面，人脸识别应用程序的规格决定了机器视觉摄像机的选择。“单色相机对光线有更好的敏感度，所以在室内和室外光线较弱的环境下是理想的，”Mike Fussell说，他是美国加州理工学院集成成像部门的产品营销经理FLIR系统有限公司(位于俄勒冈州威尔逊维尔俄勒冈州)。“如果有人被强烈的背光或阴影照射，配备最新一代高性能CMOS传感器的相机在这些困难的情况下真的会发光。”

对于在低光环境下寻求更好性能的客户，FLIR提供具有高帧率和全局快门的高端传感器。富塞尔说，整个像素计数同时读取，消除了滚动快门读数造成的失真，在较便宜的传感器。卷帘式快门相机显示的失真是由物体的运动引起的相对于快门的运动，但它们在弱光条件下提供了一种低成本的替代。

据弗塞尔说，大多数用于面部识别的相机都在3-5 MP范围内。但是在像护照亭这样的应用程序中，所有的变量都是受控的，低分辨率的相机是合适的。FLIR还提供立体视觉产品，客户校准光学跟踪，测量相对于头部的眼球运动。

有些公司正在采取面部识别的概念，通过步态分析，人类运动的研究。“在一个建筑自动化应用程序中，你想学习人们的习惯，你可以跟踪他们的步态打开和关闭灯或提前等待他们，”FUSSEL说。

正面面对障碍
尽管人脸识别技术潜力巨大，但它必须在算法到达相机或移动设备之前解决基本的挑战。根据一项研究，与白人受试者相比，面部识别系统识别非裔美国人的准确率要低5 - 10%。此外，女性受试者比男性受试者更难识别，年轻受试者比成年人更难识别。

因此，算法开发人员必须更多地关注训练数据的内容和质量，以便数据集在人口统计中均匀分布。人脸识别系统是美国国家标准与技术研究所(NIST)目前提供的一项服务，测试该系统可以提高准确率。

一旦算法到达相机，面部识别的准确性取决于对比数据库中照片的数量和质量。尽管大多数面部识别技术都是自动化的，但大多数系统都需要人工检验才能进行最后的匹配。如果没有专门的训练，人类评审员有一半的时间会做出错误的决定。

然而，机器视觉行业对等待技术成熟并不陌生。一旦面部识别做到了这一点，相机制造商和软件供应商将准备好提供安全、准确的身份验证设备和服务。