「人脸识别」很火，但你不知道的还有很多

2015-05-13 11:47

从马云在 CeBIT 大会上的「刷脸」支付到最近微软推出的「how - old」，关于「面部识别」技术的讨论一直备受关注，但基于这项技术的具体应用和发展状况的市场认知却十分有限。事实上，随着机器学习和深度神经网络两个领域的迅速发展以及智能设备的普及，「面部识别」技术正在经历前所未有的发展。
早在 2009 年，一家来自美国马萨诸塞州的公司—— Affectiva 便已经开始了基于云端的面部识别和情绪识别解析服务的探索，并获得了李嘉诚的投资；而在 2010 年末，Facebook 也开始了面部识别领域的布局，并于 2012 年以 6,000 万美金的价格收购了著名面部识别公司 Face.com，其面部识别项目组「DeepFace」更是宣称正在研发的面部识别技术的准确率已经接近人类水平；一直致力于人工智能领域探索的 Google 也没有闲着，近几年接连大手笔收购了 Picassa、Pittoatt 和 Viewdle 等多家人脸识别公司；就在不久前的「Build 2015」大会上，微软也发布了可供用户免费集成图像及人脸识别功能的 Project Oxford。
同样，国内的互联网巨头和创业公司们也在不同程度上针对「面部识别」技术进行着相应的探索。阿里巴巴围绕着「安全支付」同蚂蚁金服和「Face++」合作研发的人脸识别技术备受关注，腾讯「优图」基于人脸识别、图像识别和深度学习的技术也逐步应用于各产品线，而百度则在吴恩达博士的率领下将「面部识别」作为百度深度学习研究室的重点研究项目。除此之外，国内还涌现了像「Face++」、「Angel Eyes」和「一登」这样的基于「面部识别」技术的创业公司。
从「图像识别」到「人脸识别」的应用场景变更

现阶段「人脸识别」技术的进步离不开早期「图像识别」技术的发展与应用。从搜索引擎相似图片搜索到手机相机应用自动美颜，再到电商依据图像识别的相似商品搜索和二维码扫描，「图像识别」技术的应用场景覆盖了众多领域。这一方面源于各领域海量数据的积累可以达到精准匹配与优化的程度，另一方面也是因为「图像识别」技术较于「人脸识别」技术的更高可操作性。
的确，由于「人脸识别」涉及到动态识别、活体检测和微表情识别等维度，在可操作性和精准度等方面的表现暂不及「图像识别」，但它却有着「图像识别」所替代不了的技术和场

余下全部

共有评论0条

<返回

<返回首页