旷视科技致力赋予机器一双慧眼 携手人工智能做视觉分析

　　在零售领域，随着互联网摧枯拉朽般地变革，线下零售业正遭受着前所未有的冲击。而人工智能视觉可以帮助线下零售商家更了解他们的客户，将线下人群信息向线上转化。通过前端的图像获取硬件和机器视觉技术分析客群，提供精准的客流分析如顾客年龄、性别、穿衣风格等，甚至停留时长、热力图、行为分析等多维数据。

　　什么是人工智能

　　在旷视科技(Face++)宋晨看来，人工智能应该是一种能够通过数据、技术、产品三者不断循环完成的滚雪球式闭环。以Google为例，它是通过数据来产生了搜索的技术，从而形成的一种产品，通过点击的转换最终又产生了数据，通过这种数据再次去学习并优化结果，而相比扫地机器人也许算不上人工智能产品，因为它并不能够通过数据和扫地的经验行为来优化自身算法而提升效率。

　　人工智能领域主要分布在机器学习(通用)、机器学习(应用)、计算机视觉(通用)、智能机器人、虚拟个人助理、自然语言处理(语音识别)、自然语言处理(通用)、实时语音翻译、情境感知计算、手势控制、推荐引擎及协同过滤、视频内容自动识别等。如今机器视觉已成为人工智能领域中一项核心关键技术，并成功应用到多个重要行业中，虚拟现实、自动驾驶汽车、机器人、智能城市和物联网等应用领域也随之加速发展。旷视科技(Face++)在计算机视觉通用平台中以人脸识别技术为突破点，为企业用户和开发者们提供技术支持。

　　机器视觉是赋予机器一双眼睛

　　我们知道机器视觉领域可分为人脸识别、物体识别以及行为、动作识别等，旷视科技是在人脸识别方面做的比较早的。而在人脸识别技术应用中，我们同样会发现在数据、产品、技术这几个维度形成一个整体闭环。通过标注出来的有包括人像，物体的信息的图像数据，和核心算法、深度学习技术行成自己的产品，比如人脸识别的闸机、人脸识别机器人等，然后再通过产品本身来服务用户，在用户使用的过程当中自主去学习从而产生用户行为数据，接而再反哺并促使产品和技术不断优化、自我学习。

　　从2011年成立以来，旷视科技(Face++)致力于成为“让机器看懂世界”的人工智能公司，赋予机器一双慧眼。让它像人一样去“观察”、去“思考”，这样它就能够产生更多的功能，从它看的、想的一些数据里面继而形成一个整体的数据分析，而我们可以运用这些数据去做判断、检测、识别还有测量等，这样以往可能需要人工或半人工做的事情，随着机器视觉技术的变革都可以通过机器提升效率。

　　1:1和1:N

　　人脸识别有两个比较重要的概念，即1:1和1:N。

　　1:1的应用于证明自己是自己的场景，你可以想象当你去机场过安检的时候，总有一个人拿着你的身份证对比，身份证里面是不是你本人。这种场景就是1:1的场景。人的肉眼识别精准度是在95%左右，而人的眼睛是有疲劳度的，所以机场安检人员需要在半个小时到一个小时之内换班一次。换岗的目的就是为了保持比较平均的识别的准确率。但是，在这种场景下，机器可以达到97%甚至是更高的准确率而且机器没有疲劳度的问题。

　　1:N的特点是动态和非配合，这是对于1:N而言也是非常重要的两个点，所谓的动态也就是识别的不是照片，不是图片，而是一个动态的视频流;非配合是指识别对象不用感知到摄像头的位置并配合完成识别工作，而地点，阴暗，光线，玻璃都会影响识别的准确性，所以1:N相对根据挑战性。

　　在行业应用中，1:1更多是应用在金融、核身、信息安全领域，特点是精准安全。而1:N主要应用的方向是在商业、安防等。比如一个女士去商场买包包，店员不知道她是否是会员。如果引用机器视觉技术，不管店员换没换，当顾客进门的时候她的信息就被推送给店员完成精准的推荐，这就是机器视觉在商业领域VIP客户识别的典型应用。在安防方面的应用比如公共场所动态监控、缉拿逃犯、人员布控等。

　　而无论是1:1还是1:N的场景中，都涉及几个比较重要的关键环节——人脸检测、质量判断、识别比对。不管是照片还是视频流，静态还是动态都要在画面中判断出人脸的位置，这便是人脸检测;第二点质量判断也就是让机器去判断是不是一张正面有效的照片，1:N的动态场景中更难一些，在动态过程中，抬头，低头，侧脸都是非配合的状态。因此质量判断的好坏直接影响最后的结果。根据每秒输出的25-30帧画面，机器就会思考哪些会达到机器识别的及格线，其中有一张达到了的时候就吐出来交由后台比对数据库以完成最后一步识别比对的工作。

　　人脸识别到了大规模应用阶段?

　　在现实生活中，大家应用的可能还不是很多，一个新技术推出时，大家还是很期待的。在6、7年前的支付环境下，大家对用手机绑定银行卡都有着各种疑虑，但是现在，经过技术分发展和市场的培养，现在每个人的手机都会绑定一个账号，线下的支付场景非常非常多，人们都很少带现金出门。大家对新技术的出现都会抱有一种怀疑或者一种有可能出现漏洞的态度来看。随着科技的发展，人们的生活习惯会潜移默化地发生改变。

　　人脸识别技术也是一样，实际上人脸识别的技术已经到了一个成熟期，但是由于大众对这个技术陌生，所以大家对它还有一种保守以及怀疑的态度——这个是一定会存在的问题，所以目前还没有大规模的在现实生活中应用。

　　在人脸识别技术开始普及的这几年，巨头公司将会对这种技术进行大幅度的预热及积累，比如现在很多应用平台需要手持身份证拍照的实名验证、还有现在颜值的评分，都是在通过不同的方式测试人脸识别这种技术。随着初级的测试不断完善，新一代的技术如刷脸去积分、刷脸支付、刷脸签到等将会得到更普遍的应用。当这些场景真正的进入到大众生活一段时间后后，很多事情就是水到渠成了。

　　从技术角度看，人脸识别的识别率早已经超过了人眼的水平，目前在金融、安防等领域正在拟定相关的行业标准。相比其他生物识别方式而言，人脸识别更为便捷不易盗取，人脸识别技术水平不能单一地用竞赛结果排名来衡量，毕竟现实生活场景中的环境因素和实验室里有限的数据集相比更为复杂也更具挑战性，这也是催熟人脸识别走出实验室实现产业化的重要动力。旷视科技(Face++)正在做的就是推动人脸识别走向规模化应用，推出行业智能解决方案，建立集中的生态。

　　人工智能视觉分析能做些什么

　　从企业楼宇到园区，人脸识别智能系统可以与很多人的权限挂钩，从人员的考勤到OA系统打通，访客的管理和注册，随之而来的就是更加智能的管理人群和流向，比如机器可以通过对访客的人脸进行标注，告诉他到底那个入口能进，哪个区域你没权限进入，也能够为受访企业标记访客来访时间和停留位置，这些所有的东西都是围绕企业的智能化来展开的。

　　在零售领域，随着互联网摧枯拉朽般地变革，线下零售业正遭受着前所未有的冲击。而人工智能视觉可以帮助线下零售商家更了解他们的客户，将线下人群信息向线上转化。通过前端的图像获取硬件和机器视觉技术分析客群，提供精准的客流分析如顾客年龄、性别、穿衣风格等，甚至停留时长、热力图、行为分析等多维数据。

　　除此之外，人工智能视觉分析还能够赋予传统场景、传统产品新的使命。比如结合企业的需要可以用于考勤、OA管理，在消费场景可以帮助经营者进行精准营销，而在生活领域，可以让业主获得更好的居住体验。因此，不管是社区的刷脸门禁、VIP通道、酒店的人证合一终端机、展会的刷脸签到还是智能机器人的眼睛，都是人工智能机器视觉技术在我们生产和生活中的运用 ，只是在不同平台和场景发挥着不同的价值。旷视科技(Face++)要做的就是通过对基础数据的管理、分析，以及智能识别结构化处理，同时与合作伙伴一起推动人脸识别技术应用和业务增长，使传统的产品更具竞争力。