【中國(guó)安防展覽網(wǎng) 視點(diǎn)跟蹤】在安防行業(yè)中，人臉識(shí)別聲名顯赫，在機(jī)場(chǎng)刷臉安檢和值機(jī)，高鐵站刷臉進(jìn)站及防衛(wèi)，銀行人臉認(rèn)證業(yè)務(wù)和刷臉取款，以及各類重大活動(dòng)會(huì)議安保項(xiàng)目執(zhí)勤中，人臉識(shí)別不僅實(shí)現(xiàn)了人證識(shí)別，還在實(shí)戰(zhàn)中抓獲了各類*分子，成為公安執(zhí)法行動(dòng)中的有力助手。
經(jīng)過幾十年的孕育和發(fā)展，如今的人臉識(shí)別在世界范圍內(nèi)已然成為一種行之有效的身份識(shí)別手段。在國(guó)內(nèi)，無數(shù)以生物識(shí)別為主的新興、初創(chuàng)企業(yè)如雨后春筍般創(chuàng)立，并入局此間。誠(chéng)然，這些公司代表著我國(guó)在生物識(shí)別技術(shù)上取得的高度成就，也是我國(guó)在人工智能、深度學(xué)習(xí)乃至工業(yè)4.0等方向上再次屹立于世界民族之林的希望。但僅僅憑借現(xiàn)有碩果并不足以支撐起整個(gè)未來框架，并且，現(xiàn)存亟待解決的問題也仍然不勝枚舉。以“大數(shù)據(jù)+安防+生物識(shí)別”的未來發(fā)展方向急需一個(gè)實(shí)實(shí)在在的落地點(diǎn)。為此，特地拜訪了在生物識(shí)別技術(shù)方面的清華大學(xué)電子工程系教授蘇光大先生，針對(duì)如今人臉識(shí)別存在的問題以及初創(chuàng)型公司的發(fā)展前景，進(jìn)行了深入地探討。
蘇光大，清華大學(xué)電子工程系教授，全國(guó)安防標(biāo)委會(huì)人體生物特征識(shí)別應(yīng)用分技術(shù)委員會(huì)顧問、多維身份認(rèn)證與可信認(rèn)證技術(shù)國(guó)家工程實(shí)驗(yàn)室技術(shù)委員會(huì)委員、中安協(xié)專家委員會(huì)專家。主要研究領(lǐng)域?yàn)?ldquo;圖像識(shí)別與高速圖像處理技術(shù)”。在清華大學(xué)執(zhí)教40余年。蘇教授先后發(fā)布了160余篇學(xué)術(shù)論文，著有“微機(jī)圖像處理系統(tǒng)”和“并行圖像處理技術(shù)”等專著，提出了1:1采樣理論，發(fā)展了采樣定理；提出了二維流計(jì)算理論，在一定程度上克服了馮•諾依曼瓶頸。發(fā)明了低分辨率人臉圖像重建方法，發(fā)明了基于人臉部件的人臉識(shí)別方法。除此之外，蘇教授也參與了周克華系列案、2010年內(nèi)蒙古準(zhǔn)格爾旗沙圪堵鎮(zhèn)兇案、1999年鄭州317兇案等重大案件的偵破，并發(fā)揮了重要作用。幾十年來，蘇教授與公安部門進(jìn)行了多次合作，其科研成果為公共安全事業(yè)做出了杰出的貢獻(xiàn)。
走進(jìn)蘇教授辦公室時(shí)，蘇教授正端坐在辦公桌前，專注地在電腦上敲著什么。九月末的北京已經(jīng)漸生寒意，蘇教授卻仍是一身夏衫。他精神矍鑠，神采奕奕，眼中滿是長(zhǎng)者的智慧；但與你相談時(shí)，他又像一位鄰右棋翁，面帶微笑，讓人倍感親切。
關(guān)于創(chuàng)業(yè)公司的未來發(fā)展：“硬件與算法這些硬核需求才是競(jìng)爭(zhēng)核心，缺一不可”
就目前人臉識(shí)別公司的現(xiàn)狀，我們向蘇教授請(qǐng)教了有關(guān)創(chuàng)業(yè)公司的發(fā)展問題，蘇教授給出了他的看法和建議：
“人臉識(shí)別現(xiàn)在還面臨著一些非常有挑戰(zhàn)性的問題。” “在一些人臉識(shí)別的案例中，很多人的面部是機(jī)器識(shí)別不出來的。這是因?yàn)楝F(xiàn)有技術(shù)還不能識(shí)別像素過低的面部。當(dāng)眼間距小于10像素時(shí)，人臉識(shí)別就很困難了。除此之外，另一個(gè)是年齡跨度的問題。隨著年齡增長(zhǎng)，人類面部在計(jì)算機(jī)中的成像也是不斷改變的。如果年齡跨度在十年以上，識(shí)別率將會(huì)受到影響。”
“目前我國(guó)業(yè)內(nèi)水平還是很不錯(cuò)的，同原來相比也有了長(zhǎng)足的長(zhǎng)進(jìn)。但是長(zhǎng)進(jìn)歸長(zhǎng)進(jìn)，不能因此而固步自封。我們還有很多問題，像馮•諾依曼瓶頸，二維計(jì)算問題等等。這些問題都如大山一般橫在我們面前，想要跨越，就必須深入其中。”
“縱觀各大企業(yè)，他們還在不斷更新自己的算法和硬件。像谷歌公司，硬件也好，算法也罷，更新速度都很快。還有華為公司，近搞的麒麟970，在世界上也是的。”
“我主張軟硬結(jié)合，既要開發(fā)人工智能的軟件，也要研制人工智能的硬件。人工智能軟硬件并舉，將會(huì)領(lǐng)引人工智能時(shí)代。”
以下是訪談對(duì)話實(shí)錄：
Q：蘇老師，我了解到人臉識(shí)別應(yīng)該分為“一對(duì)一識(shí)別技術(shù)”、“一對(duì)多識(shí)別技術(shù)”以及“多對(duì)多識(shí)別技術(shù)”，能否請(qǐng)您簡(jiǎn)單談一下這幾個(gè)技術(shù)的應(yīng)用場(chǎng)景？
A：我們先來說這個(gè)一對(duì)一識(shí)別技術(shù)。1:1識(shí)別技術(shù)是什么呢，以我們現(xiàn)在使用的二代*舉例，由于現(xiàn)在辦很多事情都是要求實(shí)名制的，當(dāng)需要證明你的身份時(shí)，就可以用你的*照片和你進(jìn)行比對(duì)，這樣別人就很難冒充你了。所以1:1也可以說是一種認(rèn)證和確認(rèn)的手段。
那么一對(duì)多，也可以說是1：N人臉識(shí)別技術(shù)，這是做什么的呢？就好比我們建了一個(gè)大的數(shù)據(jù)庫(kù)，這個(gè)庫(kù)中都是二代證的人像，然后用目標(biāo)人的照片和這個(gè)庫(kù)里的人像進(jìn)行逐一比對(duì)，看看目標(biāo)人在不在這個(gè)庫(kù)中、相似程度位于第幾名等。
另一種一對(duì)多的人臉識(shí)別——關(guān)注名單型人臉識(shí)別。名單也分白名單和黑名單：比如你是一個(gè)小區(qū)的居民，小區(qū)管控很嚴(yán)，不允許外人隨意進(jìn)出，當(dāng)你只有在白名單中的時(shí)候，才有權(quán)利出入，這就是一個(gè)白名單的應(yīng)用；那么黑名單就正相反，當(dāng)這個(gè)小區(qū)堅(jiān)決拒絕你進(jìn)入的時(shí)候，你就是一個(gè)黑名單用戶。我們把這兩種功能統(tǒng)稱為關(guān)注名單，也就是剛剛提到的1：N人臉識(shí)別技術(shù)的應(yīng)用。
至于多對(duì)多——M：N人臉識(shí)別技術(shù)，這是一個(gè)新提出的識(shí)別方式。我用很多人的數(shù)據(jù)資料，去數(shù)據(jù)庫(kù)中碰撞查詢，比如在諸如車站、地鐵等人流量較大的地方搜尋目標(biāo)，同時(shí)抓取很多人臉，并和庫(kù)中數(shù)據(jù)進(jìn)行比對(duì)。這種技術(shù)多用于確定目標(biāo)人的運(yùn)動(dòng)軌跡。
Q：目前市面上多見的還是以1:1識(shí)別技術(shù)為主的產(chǎn)品，但讓我站在一個(gè)用戶的立場(chǎng)來講，掃臉就能解鎖手機(jī)、支付現(xiàn)金讓人覺得很不安全，甚至有些別扭，我自身覺得這種技術(shù)的好處無非就是讓用戶覺得“高大上”一些?，F(xiàn)有的功能已經(jīng)可以做到安全保障了，為什么還要用人臉識(shí)別呢？
A：便捷。人臉識(shí)別的便捷性要高于現(xiàn)有的其他識(shí)別手段。類似密碼的傳統(tǒng)手段，輸入麻煩，容易遺忘，被盜取的可能性也比較高。至于你提到的安全性，這點(diǎn)是不需擔(dān)心的?，F(xiàn)在我們提倡的是“人臉識(shí)別+”，人臉識(shí)別技術(shù)不作為單獨(dú)的識(shí)別手段，也會(huì)和其他方式配合，進(jìn)行多重認(rèn)證。而且使用人臉識(shí)別的時(shí)候，也需要用戶配合著眨眨眼，搖搖頭，安全性又提高了很多。
至于你說的“別扭”，我大概能了解一些你的心情。其實(shí)如今的人臉識(shí)別技術(shù)已經(jīng)很成熟了，完全可以運(yùn)用于實(shí)踐中。實(shí)踐是一個(gè)過程，每一個(gè)技術(shù)都不可能是高度成熟了、達(dá)到了才應(yīng)用。就好比windows系統(tǒng)，開始我用過的windows3.1，那也是有很多bug的，但是現(xiàn)在的windows操作系統(tǒng)使用起來，相比從前體驗(yàn)要好太多太多。任何事情都是這樣的，從無到有，從缺失到完善。而人臉識(shí)別技術(shù)現(xiàn)階段正是在不斷完善的階段中，所以大可不必?fù)?dān)心。
Q：我查閱了一些相關(guān)資料，現(xiàn)在的“大數(shù)據(jù)+人臉識(shí)別”是一個(gè)發(fā)展方向，且是一個(gè)可以實(shí)際落地于安防行業(yè)的、前景極好的方向，但是在實(shí)際應(yīng)用中，我們卻很難見到把這個(gè)做到極為出色的公司，可見其難度不小。那么您能否談一下，現(xiàn)如今大數(shù)據(jù)與人臉識(shí)別相結(jié)合的難點(diǎn)究竟在什么地方呢？
A：如今的人工智能在高速發(fā)展，甚至有人說人類馬上就要進(jìn)入人工智能時(shí)代了。其實(shí)現(xiàn)階段在大數(shù)據(jù)的實(shí)際應(yīng)用下，不論是人臉識(shí)別，還是語(yǔ)音識(shí)別，都取得了許多優(yōu)異的成果。
大數(shù)據(jù)給了人工智能很多素材，比如用深度學(xué)習(xí)訓(xùn)練人臉識(shí)別，我們用、甚至億級(jí)的人臉數(shù)據(jù)庫(kù)來訓(xùn)練它，使它的識(shí)別率達(dá)到了極高的水平。而早先我們用傳統(tǒng)方法發(fā)展人臉識(shí)別，其識(shí)別率上升的幅度是有限的。是深度學(xué)習(xí)給了人臉識(shí)別技術(shù)質(zhì)的飛躍。
但是現(xiàn)在的發(fā)展確實(shí)面臨了一個(gè)問題，那就是計(jì)算模式的問題。現(xiàn)在計(jì)算模式的主流是“CPU+GPU”，大數(shù)據(jù)的深度學(xué)習(xí)需要用到大量的二維計(jì)算，CPU、GPU并不擅長(zhǎng)二維計(jì)算，所以我們能看到，像香港中文大學(xué)的湯曉鷗團(tuán)隊(duì)，利用上千片GPU搞DeepID。中國(guó)的天河一號(hào)，集成了7168個(gè)GPU；再說谷歌，在擁有15個(gè)倉(cāng)庫(kù)級(jí)的服務(wù)器陣列。這么大的規(guī)模，不僅計(jì)算設(shè)備昂貴，耗電量也是驚人的。據(jù)我所知，中國(guó)的超算中心一年的電費(fèi)就要6000萬(wàn)元人民幣。而像貴陽(yáng)的大數(shù)據(jù)服務(wù)器陣列，放到了山洞里，就是為了散熱好一些，降低損耗和費(fèi)用。
那么問題出在哪兒呢？經(jīng)過調(diào)研和思考，我認(rèn)為如今的計(jì)算方式存在兩大問題。點(diǎn)，就是的馮•諾依曼瓶頸(注：馮•諾依曼瓶頸，意為以馮•諾依曼結(jié)構(gòu)構(gòu)成的計(jì)算機(jī)，當(dāng)CPU需要在巨大的資料上執(zhí)行一些簡(jiǎn)單指令時(shí)，資料流量就成了整體效率非常嚴(yán)重的限制，CPU將會(huì)在資料輸入或輸出內(nèi)存時(shí)閑置)，這是個(gè)非常糟糕的問題。如今的摩爾定律已經(jīng)不再發(fā)揮神奇功效(注：摩爾定律是由英特爾(Intel)創(chuàng)始人之一戈登•摩爾(GordonMoore)提出來的，其內(nèi)容為：當(dāng)價(jià)格不變時(shí)，集成電路上可容納的元器件的數(shù)目，約每隔18-24個(gè)月便會(huì)增加一倍，性能也將提升一倍。該定律在1965年4月19日發(fā)表于《電子學(xué)》雜志)，計(jì)算模式面臨著智能監(jiān)控?cái)?shù)據(jù)分析遇到大數(shù)據(jù)“跑不動(dòng)”的問題。第二點(diǎn)，大量的二維卷積計(jì)算。因?yàn)镚PU本身是更專精于一維計(jì)算的，在進(jìn)行二維計(jì)算時(shí)，GPU的性能和計(jì)算能力都會(huì)大大降低。這些問題使業(yè)界深深地陷入了加大計(jì)算規(guī)模的困境。
據(jù)谷歌公司推算，如果世界上每一臺(tái)安卓手機(jī)，每日進(jìn)行三分鐘的語(yǔ)音搜索，那么谷歌的倉(cāng)庫(kù)級(jí)數(shù)據(jù)中心就要從15個(gè)翻倍到30個(gè)。但堵不如疏，這種無節(jié)制擴(kuò)張服務(wù)器規(guī)模的辦法并不能從根本上解決問題。
面對(duì)當(dāng)下困境，業(yè)界也做出了相應(yīng)的反應(yīng)。谷歌推出張量處理芯片，即TPU；而老牌芯片公司英特爾，則發(fā)布了人工智能加速器；微軟啟動(dòng)了人工智能芯片的研發(fā)工程；一些具有*背景的機(jī)構(gòu)也開始支持研發(fā)非馮•諾依曼結(jié)構(gòu)計(jì)算機(jī)。
目前清華大學(xué)也研究出了一套改善馮•諾依曼結(jié)構(gòu)的處理方法，這是一種二維流計(jì)算模式，其數(shù)據(jù)結(jié)構(gòu)具有同一性和并行性。簡(jiǎn)單來說，如果數(shù)據(jù)庫(kù)是一個(gè)磚瓦廠，處理器是蓋房子的工人，而馮•諾依曼問題在于運(yùn)磚車每次只能運(yùn)輸一塊磚，導(dǎo)致工人大量時(shí)間處于無事可做的閑置狀態(tài)，那么我們的處理辦法就是讓運(yùn)磚車每次能多取磚，這也能在一定程度上改善計(jì)算機(jī)的工作效率。
Q：像您剛剛所說，現(xiàn)如今人工智能的形式一片大好，有人已經(jīng)提出了“AI時(shí)代降臨”的說法。但是據(jù)我所知，現(xiàn)在很多技術(shù)和應(yīng)用仍然處于初級(jí)階段，比方說剛剛我們提到的大數(shù)據(jù)+人臉識(shí)別，再比方說，我曾有幸參與過的一些人工智能初創(chuàng)公司的實(shí)測(cè)活動(dòng)，他們普遍存在一些問題，即在地鐵、車站、商場(chǎng)這些人流量較大的地方，人們一窩蜂地出現(xiàn)在鏡頭中，有些人臉是不能被抓取到的。而且人流量大使設(shè)備處于高并發(fā)狀態(tài)時(shí)，它們的處理就變得非常“卡頓”，這樣的技術(shù)如果運(yùn)用到公共安全、安防事業(yè)中，是形同雞肋的，更是無法落地的。身處安防行業(yè)，我迫切希望這種情況能夠得到改善。蘇老師能否給有此類問題的公司一些建議呢？
A：現(xiàn)在這些問題主要集中在戶外視頻監(jiān)控上。姿態(tài)不同、光照不同、分辨率不同，有遮擋物等等，識(shí)別效果要差一些。但是，應(yīng)用深度學(xué)習(xí)，戶外人臉識(shí)別的性能已有大幅度的提升。2017年新的測(cè)試表明，在錯(cuò)誤接受率為萬(wàn)分之一的條件下，正確識(shí)別率達(dá)到76%?？梢韵氲?，隨著深度學(xué)習(xí)的強(qiáng)化訓(xùn)練，正確識(shí)別率還會(huì)提高。其關(guān)鍵是，提高訓(xùn)練數(shù)據(jù)的多樣性和有效性。
雖然現(xiàn)如今的技術(shù)背靠大數(shù)據(jù)和深度學(xué)習(xí)，已經(jīng)有了很大的長(zhǎng)進(jìn)，也取得了很好的成績(jī)。但是我們不能因此停下腳步。關(guān)于未來的發(fā)展模式，我還是主張“軟硬結(jié)合”。像谷歌這種走在前列的公司，就是既做人工智能算法，又做人工智能硬件，這種方式是極好的，這種方式在今后也會(huì)有非常好的發(fā)展。
其實(shí)目前我國(guó)的發(fā)展前景還是極為不錯(cuò)的，而且現(xiàn)如今有一個(gè)很好的機(jī)會(huì)，這個(gè)機(jī)會(huì)在哪里呢？那就是安防事業(yè)。如今海康、大華都躋身前列，銷售額度已經(jīng)非?？捎^。接下來，就是要看我們的計(jì)算模式能不能有所突破了?，F(xiàn)如今，我們的微電子技術(shù)已經(jīng)躋身到了世界前列，這就是很好的硬件基礎(chǔ)。如果再把計(jì)算模式發(fā)展好，中國(guó)在這方面就會(huì)有更大的發(fā)展，這是我長(zhǎng)久以來一直非常期望的。
現(xiàn)在很多人開始做這樣一件事，那就是把人臉識(shí)別放入攝像機(jī)，也就是所謂的前端識(shí)別設(shè)備。但很多機(jī)構(gòu)還在千篇一律地使用GPU架構(gòu)的道路。在我看來，這是一種沒有辦法的辦法，并不是解決問題的長(zhǎng)久之計(jì)。因?yàn)槟柖梢呀?jīng)不再適用，使用GPU架構(gòu)的這條路，上升空間已經(jīng)極小。如果想要在這個(gè)領(lǐng)域立足，長(zhǎng)遠(yuǎn)發(fā)展，那就一定要用更新的技術(shù)，更新的硬件。想要有所突破，就要把自己的東西搞起來。
編者總結(jié)：
現(xiàn)如今，生物識(shí)別技術(shù)大量被運(yùn)用，身邊處處可見的指紋識(shí)別、人臉識(shí)別大大地方便了我們的生活。這與眾多新老生物識(shí)別技術(shù)公司、各大研究機(jī)構(gòu)的努力密不可分。人臉識(shí)別技術(shù)潛移默化地改變著人們的生活方式，在不久的未來，通過不懈發(fā)展，人臉識(shí)別技術(shù)也一定能夠成功立足于安防行業(yè)。
但就現(xiàn)階段來講，目前大量的初創(chuàng)公司仍然局限于算法層面，對(duì)硬件涉獵較少，與公共安全事業(yè)相結(jié)合的業(yè)務(wù)不多，與現(xiàn)今的大型安防公司合作也幾乎為零。如此規(guī)劃顯得有些后勁不足，長(zhǎng)此以往，在未來的前進(jìn)路途上恐怕會(huì)任重道遠(yuǎn)。沒有更切合實(shí)際的落地方針，僅守著算法抱殘守缺終歸不是長(zhǎng)久之計(jì)。
況且算法本身的難度并非有多高，而如今老牌安防公司也在跟進(jìn)自己的算法，且老牌安防公司在數(shù)據(jù)上有著天然的優(yōu)勢(shì)，其硬件設(shè)備的更新迭代速度也是初創(chuàng)公司難以企及的?？沼兴惴ǖ谋∪鮾?yōu)勢(shì)，僅僅靠著一些營(yíng)銷手段是無法立足于安防事業(yè)的。想要在這場(chǎng)時(shí)代變革的戰(zhàn)爭(zhēng)中活下去，并走得更遠(yuǎn)，未來的路究竟如何前進(jìn)，是他們需要謹(jǐn)慎思考的。
原標(biāo)題 蘇光大教授專訪：打破僵化思維，創(chuàng)業(yè)公司需軟硬件結(jié)合立足安防
移動(dòng)版
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號(hào)
