「刷臉進站」是怎麼做到的？

一年一度的春運很快就要來了。出門打拚的人都知道，每年春運都是一場關於擁擠的記憶，人頭涌動的車廂，排成長龍的檢票口，彷彿永遠都不會消退的人潮。

為了減少擁擠，我們開發了新技術來提高進出站的效率，比如今年，北京西站就新設立了可以「刷臉」的機器。手持車票和二代身份證的旅客只要拿掉口罩、墨鏡等遮擋面部的物品，往這機器前面一站，5秒鐘即可順利放行。

比起傳統的靠工作人員識別放行，這些機器最大的優勢在於節省人力，而且方便快捷。當然，這也對計算機「看臉識人」的本事提出了很高的要求，如何確認眼前這個人就是身份證上的那位呢？這涉及到模式識別、圖像處理、計算機視覺、統計學習、神經網路、小波分析、子空間理論和流形學習等眾多學科，還有一系列以「特徵臉方法」為代表的識別演算法。

這類演算法的思路主要是利用一種叫「主成分分析」的數學方法，對二維的人臉圖片進行降維和提取特徵，將其轉化為一組向量集，進而轉化為數學運算來處理。它首先需要準備一些基本的人臉模型（稱為「訓練集」），將其向量化後獲得基本的特徵向量。這些特徵向量在返回成圖像時看上去仍像人臉，擁有人臉的基本特徵，所以它們也被稱為「特徵臉」。

在具體的識別過程中，演算法會把需要識別的人臉圖像向量化、數字化，然後從參考用的訓練集數據中找出與當前要識別的人臉數據對應的幾個特徵值，構成一組特徵向量基，以達到表徵原數據的目的。

任何一幅人臉圖象在減去平均人臉後都可投影到子空間，得到一組權值向量，而後計算機就可以直接對比這組向量，確認兩邊圖像中是否是同一個人了。該方法實際上是計算了此向量和訓練集中每個人的權值向量之間的歐式距離，取最小距離所對應的人臉圖像的身份作為測試人臉圖像的身份。打個比方，這就像是警察局裡指認嫌疑人時所用的「拼臉」方法，它以一個基礎臉型為底，將合適的眼睛、眉毛等五官放上去，最終組成一個與嫌疑人最像的人臉圖。「刷臉機器」所做的事情也大致如此，只是它的「眼睛」、「眉毛」等五官更加抽象，對比的過程也是通過純數字化的形式進行。

但基礎的特徵臉演算法比較適合處理靜態的正面圖像，為了應付旅客在拍照時可能出現的不同姿態，研究者又開發出了「彈性圖匹配」的思路。它把所有人臉圖像看作具有相似的拓撲結構，不注重角度、長度等量化的性質，而側重於變換後的圖形的不變性質。所以它還有一個形象的名稱，叫「橡皮泥幾何」。在這種方法中，所有的人臉可以表示成類似的拓撲圖，它的節點是一些基準點（如眼睛，鼻尖等），它的邊是這些基準點之間的連線。

為了識別一張新的人臉，需要從該人臉中找到基準點，提取出一個人臉圖，令這幅圖和現有的彈性束圖之間的相似度最大。經過匹配後，新的彈性束圖將被提取出來，然後再把它放入「特徵臉方法」中進行識別。在彈性匹配的過程中，網格的形狀會隨著特徵點的搜索而不斷變化，因此對姿態的變化也具有一定的自適應性。

其實，在「刷臉進站」出現之前，人臉識別技術已經越來越多出現在我們的生活中，比如很多智能手機里附帶了按「面孔」整理相冊的功能，這就是一項藉助「特徵臉方法」對照片中出現的人臉進行歸類的演算法。可以想像，在不遠的未來，人臉識別技術會更加融入我們的生活中，讓生活更加便捷。

TAG:蝌蚪五線譜 |

※聽說現在趕火車刷臉就進站了！Out，跟臉有關的最新玩法是你說什麼，表情包就演什麼
※「黑科技」來襲！北京西站進站靠「刷臉」！這是一個看臉的時代！
※用微軟搞砸的遊戲體感設備刷臉，蘋果到底是怎麼想的？
※到處刷臉的時代，是否還對得起咱這張臉？
※看到評測員又是做鬼臉又是戴墨鏡刷臉系統：呵呵，愚蠢的人類
※明星刷臉都不一定能買到的斷貨包，我替你想盡一切辦法！看你的了
※當大陸都進化到刷臉支付了，台灣呢？
※明星刷臉花錢都不一定能買到幾款的「斷貨包」，我替你想盡一切辦法！接下來看你的了
※「臉面功夫」沒做好，怎麼在這個刷臉的世界裡混
※馬雲再次讓我們大開眼界，刷臉付款，看看帥氣漂亮的你是否佔了便宜吧！
※明星刷臉花錢都不一定能買到幾款的「斷貨包」，我替你想盡一切辦法！接下來看你的了～
※某X刷臉解鎖沒有它，一切都是不存在的！
※搞事情！「刷臉」時代到來！網友：整容成馬雲有刷不完的錢！馬云：別鬧！
※大佬紛紛探索刷臉支付，靠「刷臉」走天下真可能嗎？
※刷臉吃飯地時代來了，這幾種人能刷臉嗎？馬云：要臉的人都能刷
※不僅刷指紋還要刷臉？對，這裡是美國！
※出門刷臉？你的臉可能沒有它的臉值錢
※蘋果X刷臉的時代到，你的皺紋、鬆弛、下垂能開鎖嗎？
※來"搞"| 長得好看？靠刷臉就能火一把！