人類本身識別面部用的是什麼「演算法」？

感謝@劉柯邀請。

這是一個相當好的問題，我最近一直在思考一些新的論文，強調了面孔各個特徵之間的相互關係與鏈接。尤其是反思Calder & Young （2005）的精彩綜述之後特意查閱了相關論文， 深感面孔處理的精妙，以及深藏的處理 『演算法』 之巧妙。盡讓我斗膽在此大致介紹下自己的理解，望批評指正。

（最近我有個Live，在周六，也是說關於面孔識別。有興趣可以來看看華沙的 Live—— 看臉的科學第二集 - 看臉的世界 - 知乎專欄）

按照David Marr等視覺研究大神的精彩觀點，我們任何的視覺處理都是信息處理（而非簡單地、粗暴地處理看到東西本身）；很顯然面孔，這一種最為重要的、與社會生活息息相關的視覺信息不能免俗，也是一種信息處理過程。所以題主提到能不能用計算機模擬其實是個非常好的問題，馮諾依曼機作為以人類為原本的計算機，完全應該有人類的能力。不過，很抱歉，我們目前都沒有完全理解視覺過程，而目前計算機的很多CV研究並不完全按照人類的識別方法進行（老實說，可能計算機視覺和人類視覺的交際也就到70年代Hubel & Wiseal的論文為止了吧）。所以我的觀點其實很簡單，計算機目前基於更強的計算能力，完全可以利用已知的一些大腦處理面孔方式對於面孔進行分析，但是效率和準確度和人類不好比（嚴格說是效率）；當我們更加理解了大腦的原理之後，相信不在不遠的將來，計算機完全可以做到更好。

那麼人類本身用什麼演算法呢？

很簡單，整體識別。

我先說下，面孔識別的相關大腦結構。按照經典的面孔識別模型（Bruce & Young, 1986; Haxby, Hoffman, & Gobbinni, 2000），我們大腦利用FFA（梭狀回面孔區；Kanwisher, McDermott, & Chun, 1997），pSTS（後顳上溝皮層; Hoffman & Haxby, 2000），OFA（枕葉面孔區; 如 Yovel, Kanwisher, 2005）這三個核心面孔處理區域以及 『借用』 其餘的視覺和高級處理皮層達到面孔的識別。這幾個腦區有多重要呢，我舉個不恰當的例子，人類的好朋友狗狗們，就是因為有類似人一樣的面孔識別區域（也在下顳葉，和人類位置很接近；Dilks et al., 2015），才能記住主人的面孔。

就如同Mishkin與Ungerleider教授（1982）的精彩研究結論一樣，我們處理面孔的時候也把信息分為了兩束進行分析。第一束往下顳葉走更加依賴於FFA，往往是處理面孔上不變的信息，比如身份（是誰）；而另一束往頂葉走，依賴於pSTS，處理面孔上動態的信息，比如表情，面孔方向等。這就是面孔處理的一個基本演算法。也就是依賴核心腦區（佐以其餘神經系統幫助），把面孔信息進行粗略劃分之後進行分析。當然杏仁核等邊緣系統可以從上丘直接獲得輸出（此處不展開，可以看看我專欄提到的），但是大致途徑類似。總體而言，面孔上的信息會在FFA進行匯總（Yovel, Kanwisher, 2006），然後往更高級視覺皮層傳遞。那麼這部分信息到底是什麼呢？這就是整體識別的關鍵信息。

可能和大家想像的不一樣，我們識別面孔的時候其實並不是只依賴一些局部的信息，比如眼睛、嘴巴。而是把面孔上的信息匯總在一起，成為一個整體來進行分析（如Yin，1969發現的面孔倒置效應就是整體識別的一個好佐證）。這樣的分析高效快捷。那麼整體是怎麼分析的呢？這就得說道一個筆者特別喜歡的觀點：面孔模板假說。

我們對於面孔的理解和分析都基於我們所看到的面孔（Webster & MacLeod, 2011）。倘若我們把所有面孔都假設存放與一張平面上，那就是一張面孔的地圖（Valentine, 1991）。這一章地圖就是反映我們識別面孔的方法：我們的演算法就是通過上述大腦區域的群體編碼，根據不同神經細胞的活動程度，我們可以在腦海中形成一個 『矩陣』，這個矩陣編碼了看到的圖片在某個判斷維度上（如表情）與模板（如表情模板）的距離；通過這個距離，我們可以清楚明白這張面孔傳遞的信息。因為通過模板，信息得到簡化，可以更高效分析。甚至可以說面孔的處理基本都是以這個方法進行，所以說面孔處理可以說在演算法層面互有重疊（Calder & Young，2005）。

再具體一點，整體識別中的信息就是面孔上的二階關係信息（second-order rational information）比如說五官之間的距離，嘴角的彎曲程度之類的（Maurer, 2002）。這部分信息與模板的對比就是筆者所提到的 『矩陣』 （用矩陣更方便理解）。基於篇幅原因不展開討論。

簡而言之，大腦處理面孔信息的時候，往往提取出面孔上信息的相互關係，以與模板距離的方法整體識別面孔。這就是大腦處理面孔信息 『演算法』 的一個簡單介紹。

參考文獻

Bruce, V., & Young, A. (1986). Understanding face recognition.British journal of psychology,77(3), 305-327.

Burton, N., Jeffery, L., Calder, A. J., & Rhodes, G. (2015). How is facial expression coded?.Journal of vision,15(1), 1-1.

Calder, A. J., & Young, A. W. (2005). Understanding the recognition of facial identity and facial expression.Nature Reviews Neuroscience,6(8), 641-651.

Dilks, D. D., Cook, P., Weiller, S. K., Berns, H. P., Spivak, M., & Berns, G. S. (2015). Awake fMRI reveals a specialized region in dog temporal cortex for face processing.PeerJ,3, e1115.

Haxby, J. V., Hoffman, E. A., & Gobbini, M. I. (2000). The distributed human neural system for face perception.Trends in cognitive sciences,4(6), 223-233.

Hoffman, E. A., & Haxby, J. V. (2000). Distinct representations of eye gaze and identity in the distributed human neural system for face perception.Nature neuroscience,3(1), 80-84.

Kanwisher, N., & Yovel, G. (2006). The fusiform face area: a cortical region specialized for the perception of faces.Philosophical Transactions of the Royal Society of London B: Biological Sciences,361(1476), 2109-2128.

Kanwisher, N., McDermott, J., & Chun, M. M. (1997). The fusiform face area: a module in human extrastriate cortex specialized for face perception.The Journal of neuroscience,17(11), 4302-4311.

Valentine T. (1991). A unified account of the effects of distinctiveness, inversion, and race in face recognition.Quarterly Journal of Experimental Psychology,43A,161–240.

Webster, M. A., & MacLeod, D. I. (2011). Visual adaptation and face perception.Philosophical Transactions of the Royal Society B: Biological Sciences,366(1571), 1702-1725.

Yin, R. K. (1969). Looking at upside-down faces.Journal of experimental psychology,81(1), 141.

Yovel, G., & Kanwisher, N. (2005). The neural basis of the behavioral face-inversion effect.Current Biology,15(24), 2256-2262.

請您繼續閱讀更多來自 知乎 的精彩文章:

TAG:知乎 |

※人臉識別是什麼技術 人臉識別概念股有哪些
※蘋果什麼破人臉識別功能？根本沒用！
※蘋果面部識別的好與壞 專家們是怎麼說的
※面部識別的好與壞，專家們是怎麼說的
※指紋識別難道不好用？面部識別要成潮流！
※靈長類動物臉部識別演算法被破譯，大腦黑箱或根本不存在
※「重磅」靈長類動物臉部識別演算法被破譯，大腦黑箱或根本不存在
※人臉識別＋社保，你猜可以做什麼？
※從「反人臉識別」技術看「人臉識別」有哪些潛在的風險？
※攻破人臉識別應用難題？這家美國AI安防公司是這麼做的
※手機面部識別，是「雞肋」還是被低估的黑科技？
※怎麼用怎麼爽！正面指紋識別手機推薦
※指紋識別和人臉識別哪個將會成為主流？
※為什麼領導會用能人，卻識別不了小人？
※別磨嘰，學完這篇你也是圖像識別專家了
※隱私權倡導者用有圖案的衣服「戲耍」臉部識別技術
※為什麼說面部識別功能將帶來一場隱私災難？
※心靈閱讀演算法識別面孔
※要怎樣改造自己的臉，才能騙過人臉識別？