厲害了我的人工智慧！現場「狗臉識別」，曾尋回失散40年兄弟

昨天，名叫

「小加」

的人臉識別機器人在CCTV-1播出的《加油！向未來》中，成功區分並識別出了18隻用人的肉眼很難辨認出誰是誰的比熊犬。

這個項目在節目中叫做

「狗臉識別」

。早先有些APP能通過掃描狗臉告訴你這條狗是什麼品種，或者掃描一棵樹就告訴你樹是什麼品種，雖然區分品種的難度不算很高，但這種程度都能讓許多人玩得不亦樂乎。

再看「小加」的項目是這樣的：先掃描18隻比熊犬（不僅狗全是一個品種，這其中還有母女呢），然後把狗的順序打亂，再讓「小加」根據「模式識別」功能找出觀眾隨機指定的3隻狗，「小加」全找到了。

先挨個狗掃描後

打亂狗的順序

節目主持人之一撒貝南還出了道加試題，讓它尋找第四隻狗狗「球美麗」，「小加」自然是毫無壓力。

注意，這時候「小加」是不能靠號碼「14」判斷的，因為狗是被隨機打亂順序的，在場的人也不清楚球美麗是否還在原來位置。

「小加」這個本事很有可能幫助人找回丟失的寵物，到處張貼「尋寵啟示」海報的時代漸漸成為過去。在許多觀眾看來，這也是一件「奇聞軼事「了，但其中還有更「奇」的事，那就是「小加」的爸爸很年輕。

這個一臉慈祥微笑的就是「小加」的「爸爸」——研發者之一王金橋。

這台人臉識別機器人正是由中國科學院自動化研究所模式識別國家重點實驗室研究員王金橋所在科研團隊一手打造。今年已經是王金橋從事人臉識別相關技術的第十三個年頭了。

第一次登上電視節目的「小加」在掃描完18隻狗狗之後，還非常調皮地去掃描節目的科學顧問曹則賢老師。

據小加的「爸爸」王金橋介紹，

在身份證與現場照比對方面，在百萬分之一的虛警率下，小加人臉驗證準確率達到99%以上。小加的識別演算法在中遠程動態監控人臉識別表現十分突出，在十萬分之一的虛警率下，小加人臉識別準確率達到85%。

而這場令人印象深刻的狗臉識別展示實際上要比人臉識別難度更大。

事實上，人臉的特徵與狗臉相比更加豐富，比如根據疤痕、膚色、痣、髮型等顯著的特徵可以讓我們記住和區分不同的人臉，而這些特徵在狗臉上基本體現不出來，更別說是同一品種相似體型、相同毛髮的狗。

面對如此挑戰，王金橋團隊則採用了自主設計的深度耦合神經網路演算法來攻克這一難關，這種演算法可以挖掘到豐富的狗臉局部和全局特徵，突出那些能夠有效區分不同狗狗的精細化的差異，同時忽略同一品種狗狗之間的共性特徵，從而實現高效的狗臉識別。

「小加」有「奇聞軼事」，王金橋更有「都市傳奇」。

2016年河南省嵩縣一名男子見到一位和自己非常相像的人後，立馬想起了失散已久的雙胞胎弟弟，因此特意向民警求助尋找。而民警在接到消息後，也立馬採取了當事人的臉部數據圖像，再通過「小加」的人臉識別技術，

幫助當事人成功找回了失散四十年的兄弟。

「小加」的人臉識別技術還曾幫助一位河南省汝州的走失老太太順利回家。在老太太記不清個人信息的狀況下，民警通過採集老太太的臉部區域圖像，靠著小加的人臉識別技術在1秒內便成功找回老太太的身份信息，順利送其回家。

除了在「尋回走失親人」這樣的社會公益領域有突出成就外，王金橋還透露在車票核驗、銀行業務辦理、網路支付、酒店入住等領域，人臉識別技術已經獲得了廣泛應用。

《變

形金剛2》中，年輕的男主角和他的小夥伴們過關卡時，騙過了值班軍人，卻被軍方的人臉識別技術發現。

2014年翻拍版的《機械戰警》中，機械戰警第一次面對大眾公開亮相，就在人群中不停地掃描所有人臉，同時將獲取的人臉在通緝犯資料庫中作比對，瞬間就發現看熱鬧的人群中有一個逃逸多年的通緝犯，並將其制服。而當年，這還是存在於「科幻電影」中的場景。

雖然人臉識別技術雖已獲得不錯的成就，但依然存在一些需要攻破的難點。主要包括如何在惡劣條件下進行識別、如何適用移動端應用的快速識別速度，以及如何在訓練數據類比極度不均衡條件下進行識別等三方面。當上述難點克服後，未來的人臉識別技術將會做到對任意場景任意姿態下的人臉進行高精度識別，以及實現中遠距離動態人臉識別。

人臉識別技術愈發成熟後，人臉解鎖、人臉支付等技術也將隨之出現在我們的生活中，此前支付寶就曾提出用「人臉支付」來解決手機沒電、沒網路等問題。

王金橋更是暢想到，不久的未來將會因為人臉識別技術的突破而出現無人售貨超市，顧客可以刷臉進入，自由選購商品，結賬時也不用再面對收銀台前長長的隊伍，當走出超市時可憑刷臉自動扣款。

真正的「刷臉」時代要來臨了，這還真是個看「顏值」的世界啊。

來源丨加油向未來

編輯 | 劉杪渺

?央視綜藝

■

點擊關鍵詞有驚喜，試試看！

張蕾飛起來 | 朱迅喝汽水 | 七夕告白傳情

朱迅走進南開大學 | 小尼當「導遊」 | 一帶一路

主持人演過的電影 | 看圖猜歌 | 央視配音演員

最有趣漢字 | 輕鬆應對壓力

夏季「烤」驗 | 睡覺習慣

加油向未來！快來點贊吧！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！