0
| 本文作者： 陳?ài)?/a> | 2016-09-05 17:57 |
雷鋒網(wǎng)按：本文作者為Slyvia，ARC增強(qiáng)現(xiàn)實(shí)（微信ID：arinchina）文章詳細(xì)的分析了1）機(jī)器和人類在人臉識(shí)別方面的不同點(diǎn)；2）人機(jī)大戰(zhàn)結(jié)果的原因分析。
繼「圍棋」人機(jī)大戰(zhàn)——以李世石為代表的人類，輸給了阿爾法狗代表的計(jì)算機(jī)后，人類又發(fā)起了「人臉識(shí)別」之人機(jī)大戰(zhàn)。這一次是誕生于杭州的人臉識(shí)別機(jī)器人螞可，對(duì)戰(zhàn)「鬼才之眼」王昱珩。
15 年「最強(qiáng)大腦」中，在同質(zhì)同量同源的 520 杯水中，他成功指出評(píng)審選中的那杯，并精準(zhǔn)說(shuō)出水杯旋轉(zhuǎn)了 15 度，中間經(jīng)人手，從此，「水哥」一戰(zhàn)成名。
結(jié)果揭露前，先了解計(jì)算機(jī)「看人」的套路。
人眼和計(jì)算機(jī)，都喜歡瞄「點(diǎn)」。只不過(guò)，人眼在辨別物體時(shí)，往往通過(guò)不同點(diǎn)來(lái)判斷。而計(jì)算機(jī)則相反，它找的是相同點(diǎn)。
通過(guò)攝像頭「觀察」目標(biāo)，計(jì)算機(jī)將拍攝到的物體，以圖片形式傳給計(jì)算機(jī)，這就是圖像識(shí)別過(guò)程。淘寶的圖片搜索、百度的圖片識(shí)別功能，都屬于這類應(yīng)用。
在識(shí)別中時(shí)，計(jì)算機(jī)會(huì)找一些「與眾不同」的點(diǎn)，來(lái)和「腦海」中的圖片進(jìn)行匹配。這些「鶴立雞群」的點(diǎn)，通常被稱為「角點(diǎn)」或「關(guān)鍵點(diǎn)」。這些點(diǎn)在圖像中具有一定特征，如局部最大或最小灰度（即圖像亮度）、某些梯度特征（描述圖像灰度變化情況的量）。
比如人臉上的一顆痣，在計(jì)算機(jī)識(shí)別時(shí)就會(huì)被當(dāng)成參考點(diǎn)。那么計(jì)算機(jī)是如何找到這些「角點(diǎn)」的？
角點(diǎn)圖
計(jì)算機(jī)在查找某個(gè)像素點(diǎn)時(shí)，是遵行逐個(gè)查詢的規(guī)則。為了判斷一個(gè)點(diǎn)是否為「角點(diǎn)」，會(huì)選取一個(gè)大小合適的窗口（比如 3*3 的窗口），讓窗口中心遍歷（即依次訪問(wèn)）整個(gè)圖像像素，同時(shí)，判定中心點(diǎn)與它的周圍點(diǎn)是否有明顯不同。
因此，當(dāng)窗口在平滑區(qū)域（圖 a），窗口在各方向上移動(dòng)時(shí)，圖中三個(gè)窗口內(nèi)部的圖像無(wú)變化。當(dāng)窗口在沿邊緣方向上移動(dòng)時(shí)（如圖 b），三個(gè)窗口內(nèi)圖像也是不變的。當(dāng)窗口在「角點(diǎn)」處時(shí)（如圖 c），窗口無(wú)論朝哪個(gè)方向移動(dòng)，三個(gè)窗口內(nèi)部圖像均不一樣，因此判斷該點(diǎn)為「角點(diǎn)」。
不同的「角點(diǎn)」檢測(cè)算法使用地窗口不一樣，采用圓形窗口檢測(cè)「角點(diǎn)」的 FAST，和采用 16*16 采樣窗口的 SIFT 算子中，是圖像特征點(diǎn)檢測(cè)的兩大算法。
找到特征點(diǎn)后，對(duì)它們進(jìn)行描述后，才能開(kāi)始圖像匹配。描述的大前提是，我們需要利用特征點(diǎn)周圍像素的梯度方向分布特性，為每個(gè)關(guān)鍵點(diǎn)指定方向。
比如在 SIFT 算子中，將采樣點(diǎn)與特征點(diǎn)的相對(duì)方向，通過(guò)高斯加權(quán)后得到一個(gè) 4*4*8 的 128 維特征描述子。
一系列加工后，就成了上圖這個(gè)「鬼樣子」
有了特征點(diǎn)描述子，就可以和模板圖的特征點(diǎn)描述子進(jìn)行比較，得分最高的就是最佳匹配點(diǎn)。然后對(duì)所有特征點(diǎn)進(jìn)行遍歷。計(jì)算機(jī)的「人臉識(shí)別」就是基于以上理論。同時(shí)，它還會(huì)進(jìn)行一些縱向比較，比如通過(guò)圖片上五官的分布距離，來(lái)進(jìn)行比較。
第一局，從 150 張網(wǎng)紅照片中找出 3 人，螞可勝
第二局，從 300 張網(wǎng)紅照片中找出 3 人，「水哥」勝
第三局，從 80 張網(wǎng)紅童年照中找出 2 人，「水哥」勝
三局兩勝，「水哥」代表的咱人類勝利了~ 螞可能勝一局，說(shuō)明計(jì)算機(jī)在圖像識(shí)別的未來(lái)可期，但最終失敗，也說(shuō)明還存在一些問(wèn)題。
勝敗分析這次比賽挑選的識(shí)別對(duì)象——網(wǎng)紅臉，看上去都是從一個(gè)模子里刻出來(lái)的，無(wú)疑增加了比賽的難度。
面對(duì)這些千篇一律的網(wǎng)紅臉，螞可在識(shí)別近照時(shí)尚可，但到了童年照就有點(diǎn)吃力。
螞可在識(shí)別人臉時(shí)，部分程序是通過(guò)五官之間的距離來(lái)判斷的。但是，人在幼年時(shí)五官比較居中，隨著年齡增長(zhǎng)會(huì)分散開(kāi)些，「長(zhǎng)開(kāi)了」。更不用說(shuō)，有些網(wǎng)紅還進(jìn)行了「微整」，連親媽都認(rèn)不出了，何況是螞可。
第三局失敗情有可原。但為什么螞可還能贏第一局？因?yàn)榭?/strong>。
如果你仔細(xì)看上文視頻，可能對(duì)這句話還有印象：計(jì)算機(jī)識(shí)別時(shí)，先將照片劃分為四個(gè)區(qū)域，再分成幾百個(gè)關(guān)鍵點(diǎn)。
這是加快圖像識(shí)別的關(guān)鍵一步，在所有的圖像識(shí)別中，幾乎都采用了這種方式。圖像識(shí)別中有個(gè)專業(yè)名詞來(lái)形容，稱為「圖像金字塔」。
圖像金字塔
圖像金字塔最初用于機(jī)器視覺(jué)和圖像壓縮，一幅圖像的金字塔是一系列以金字塔形狀排列的分辨率逐步降低的圖像集合。底部是待處理圖像的高分辨率表示（上圖 G0），而頂部是低分辨率的近似（上圖 G3）。當(dāng)向金字塔的上層移動(dòng)時(shí)，尺寸和分辨率就降低，識(shí)別速度得以提高。（注：分辨率越高，圖片越大越清晰）
同時(shí)，人在比賽中會(huì)受到外界干擾，心理作用比較大，但計(jì)算機(jī)沒(méi)有。所以「水哥」在開(kāi)始失利，也有非專業(yè)因素在內(nèi)。
但是，后面螞可連輸兩局，還有更深層次的原因。
比賽中，兩位選手都需要通過(guò)自身移動(dòng)來(lái)識(shí)別圖像，這對(duì)螞可是很不利的。因?yàn)閿z像機(jī)移動(dòng)時(shí)圖像識(shí)別會(huì)不穩(wěn)定，就像我們坐在車中看窗外景色，隨著車速增加，景色越模糊。
同時(shí)，現(xiàn)場(chǎng)燈光組給力，反光很強(qiáng)，也會(huì)影響螞可的識(shí)別。
生活中，當(dāng)我們背光看屏幕，由于反射光太強(qiáng)會(huì)導(dǎo)致看不清屏幕，這時(shí)我們會(huì)拉上窗簾或用手遮光，來(lái)降低光的反射。而計(jì)算機(jī)就得對(duì)現(xiàn)實(shí)環(huán)境亮度進(jìn)行實(shí)時(shí)檢測(cè)，根據(jù)檢測(cè)結(jié)果對(duì)圖像亮度閾值進(jìn)行調(diào)整后，再進(jìn)行比較。
目前，機(jī)器對(duì)光的調(diào)節(jié)作用還趕不上人眼的調(diào)節(jié)，又碰上「水哥」，只能甘拜下風(fēng)了！不過(guò)，即便這次螞可敗給了「水哥」，但「水哥」只有一個(gè)，螞可還有很多。下一次，我們還會(huì)贏么？
雷鋒網(wǎng)注：本文由ARC增強(qiáng)現(xiàn)實(shí)（微信ID：arinchina）授權(quán)雷鋒網(wǎng)發(fā)布，如需轉(zhuǎn)載請(qǐng)聯(lián)系原作者，并注明作者和出處，不得刪減內(nèi)容。
更多文章：1. 解密：智能美妝和動(dòng)效自拍背后的技術(shù)
2. 解密：面部特征點(diǎn)檢測(cè)的關(guān)鍵技術(shù)
3. 人臉檢測(cè)發(fā)展：從VJ到深度學(xué)習(xí)（上）
4. 人臉檢測(cè)發(fā)展：從VJ到深度學(xué)習(xí)（下）
5. 深度學(xué)習(xí)在人臉識(shí)別中的應(yīng)用——優(yōu)圖祖母模型的“進(jìn)化”
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
