人工智能如何“認出”人臉

人臉計算機視覺技術的一個重要應用就是人臉識別。提到人臉識別，你一定不陌生。我們已經(jīng)在越來越多的場景中看到了人臉識別的應用。例如，解鎖手機，乘坐火車等。

那么，人工智能是怎么“認出”人與人之間的不同的呢？總不可能是拍兩張照片直接比較是不是同一張照片吧！畢竟只要換個表情、轉(zhuǎn)一下頭，得到的照片就不一樣了。

人類是根據(jù)每個人長相的差異對人臉進行辨認的。這個人的眼睛大一些，那個人的鼻梁高一些，不同的五官組成了不同的臉。

人工智能沒法像人一樣憑直覺判斷兩張臉像還是不像。對它來說，要分辨人臉，必須對人臉照片的數(shù)據(jù)加以精確分析。

進行人臉識別的第一步就是找到人臉的位置，這就是定位和檢測?，F(xiàn)在最常用的定位人臉的方法是HOG（方向梯度直方圖）。

這個名字雖然拗口，但實際上它就是一種能夠檢測物體輪廓的算法。首先，我們把彩色圖像變成黑白圖像，雖然有無顏色并不影響我們辨認人臉，但是去掉顏色可以減少對識別的干擾。然后，我們把圖像分成一個個小格子，用箭頭表示小格子中圖像明暗是如何變化的，最終就可以得到HOG。雖然對人類來說，HOG特征不好辨認，但是對計算機來說，在HOG中，人臉的五官等關鍵信息會變得更加明顯。這樣，計算機就可以很快找到人臉。為了在HOG中找到人臉，我們需要利用數(shù)學算法找到圖中和已知的人臉HOG最像的部分。這些HOG特征需要從其他已知的面部數(shù)據(jù)中訓練提取。

找到人臉之后，人工智能又會面臨一個新的問題。在采集人臉信息時一般只有正面的圖像，正所謂“橫看成嶺側(cè)成峰，遠近高低各不同”，即使是同一張臉，從不同的角度看起來也不一樣。除了方向和角度，表情、光線等都會讓人臉圖像發(fā)生變化。但是，你如果使用支持人臉解鎖功能的手機就會發(fā)現(xiàn)，即使解鎖手機時側(cè)著頭，也同樣可以解鎖成功。那么，如何鑒別變形前后是不是同一張人臉呢？

通常情況下，人臉有很多相同點。科學家們由此想到，可以用人臉上一些普遍存在的特征點作為人臉的基準，適當調(diào)整扭曲圖像中的人臉，讓被識別的人臉“正”起來。

經(jīng)過反復研究，科學家們找到了下巴、眉毛、鼻子等特征點，其中最常用的有68個。有了這些特征點，我們就可以知道眼睛和嘴巴在哪兒了，然后按照一定規(guī)律對圖像進行旋轉(zhuǎn)、縮放等，使得眼睛和嘴巴盡可能地靠近中心，讓各個特征點盡可能和正面的情況對齊，這樣就可以把臉變得“正”起來。當然，我們也可以給人臉標注更多的特征點，讓人工智能的定位更加精確——有些公司的人臉識別系統(tǒng)有上百個特征點。

把特征點對齊之后，就要進行最關鍵的一步了——判斷這到底是誰的臉。這就要將我們剛得到的人臉數(shù)據(jù)同之前采集的人臉庫中的數(shù)據(jù)加以比較，找到最像的那個。如何判斷像不像呢？可以比較兩張圖像中耳朵的大小、鼻子的長度、眼睛之間的距離等。

如果要精確地進行數(shù)值化比較，人工智能也許比我們更“懂”人臉。利用卷積神經(jīng)網(wǎng)絡，人工智能可以自動檢測出人臉上的大量數(shù)據(jù)。常見的做法是測量128組數(shù)據(jù)，對計算機來說也就是128個數(shù)字。鑒于神經(jīng)網(wǎng)絡的特點，我們無法理解這128個數(shù)字到底是什么意思，但這并不重要，人工智能可以理解。只要利用一定的數(shù)學方法找到和這128個數(shù)字最接近的另一組數(shù)字，計算機就可以迅速成功地找到這張人臉的主人。

（愛麗絲摘自人民郵電出版社《寫給青少年的人工智能：應用》一書，視覺中國供圖）