人脸识别作为一种重要的个人身份鉴别技术,在金融、安防、交通等行业有着广泛的应用。根据某证券研究所行业报告显示,人脸识别主要应用领域为:公安领域16亿以上,交通领域50亿以上,金融领域百亿级别,教育领域百亿级别。在不考虑大安防硬件存量市场的前提下,整体市场规模就达到数百亿,并在未来十年内有望形成年销售额过千亿元的市场规模,尤其在安防市场中的人脸识别具有更广阔的前景,并表现出以下几点发展趋势:
人脸识别技术不应只是停留在人脸检测、通用特征提取,应该还具有等同车辆结构化一样的方式来进行脸部全目标特征结构化,除了对性别、年龄、民族、眼镜、附属物(帽子、口罩、头巾等)的特征提取,还应支持机器学习的能力,对脸部的嘴形、脸形、眼眉、痣、脸部伤疤等结构化特征进行智能提取,这些人脸特征数据可以有效运用到公安在案件侦查办案中,对满足特殊脸部特征的嫌疑人进行快速比对和分析(如图1所示)。
前段时间,在某杂志刊登了一篇报道:美国军方正在开发一种便携式人脸识别设备,能够识别一公里外的目标,通过手持设备和无人机在目标对象不知情、不面对镜头的情况下被识别出来,这绝对是一项人脸识别技术在军事领域的高科技创新技术,类似应用可以装备到其他警务装备、军事装备中,例如智能望远镜、移动视频侦查装备、机器人等,可大大提高军警的现场作战能力和远程指挥能力(如图2所示)。
在云、边、端协同的计算模式以及视频人脸捕捉检测能力和识别能力不断提升的前提下,无论是已建和新建的视频监控设备都可以被利用起来,实现城市中海量视频的人脸识别、比对布控能力,大大增加对城市视频图像的感知能力,在前端通过边缘计算实现布控比对报警,在边端实现人脸特征聚类分析,在云端实现大数据预警分析、城市人群态势感知等。人脸识别技术将来的开发模式将标准化、工具化,人脸识别技术的目标是实现人脸特征提取并实现特征比对,这是用户或者二次开发人员的基础需求,而不管你是哪个厂家算法,今后的人脸算法会按算法来分类,只需有几何特征法、特征脸方法、弹性模型方法、卷积神经网络方法等其中一种,而不会按厂家来区分,彻底实现人脸识别算法标准化。工具化前提是算法标准化,人脸识别领域的专家只专注于将AI驱动的功能和模型注入接口程序,为市场提供预定义模型的AI服务,然后由市场来让更多的开发人员能够利用这些服务,并提高开发效率,这些趋势会导致并不是需要所有的厂家都去钻研算法而专注于做应用的可能。据报道,有些技术团队在商场中使用高质量的3D面具成功欺骗了支付宝和微信的支付程序,甚至在机场,他们仅用一张手机屏幕上的照片就欺骗了自助登机终端的人脸识别系统。为了抵抗这些3D面具等深度伪造技术的“攻击”,阻止不法之徒通过视频、纸片、面具等方式蒙混过关,现在已经出现了类似采用“AI对抗AI”的概念生成对抗网络GAN技术、辩分解码器VAE、神经网络CNN等,这些技术的出现和逐渐成熟也会不断加固人脸识别技术领域的应用安全。