无约束场景挑战多 面部姿态成应用端最大瓶颈

       在算法公司和终端企业们的共同努力下，如今人脸识别的应用门槛已经降到了相当低的水平，也正因此，刷脸成为了国内从自动门禁系统、身份验证到ATM取款机以及家庭安全等各类场景的标配。不过，在大多数的应用场景当中，人脸图像都是在非严格控制的条件下采集的，这也使得拍摄的人脸图像不可避免的存在包含姿态、光照以及表情等方面的变化，这进一步增加了人脸识别的难度。

       其中，姿态变化是目前人脸识别应用中存在的最大瓶颈之一。受此影响，同一个人脸部的表现往往会产生巨大差异，并导致人脸识别精度急剧下降。如何解决这一痛点，提取出与人脸身份相关而与人脸姿态无关的特征，也成为各人脸识别方案商制胜市场的重要“杀手锏”。

       眼下，人脸识别的快速普及已成显见的趋势，小到智能手机支付、大到智慧城市建设，几乎都已经将人脸识别列为终端应用的标配。相关数据显示，2018年国内人脸识别市场规模整体达到了27.61亿元，但应用端的渗透率仅为15%;而随着当下越来越多的本土企业竞相发力人脸识别市场，加之如虹软、旷视这类顶级算法技术企业以更大力度推广人脸识别算法实用化，预测今年底，整个市场份额将增加到34.51%，正面人脸识别的渗透率也有望突破30%。

       如此庞大的市场空间，加之飞一般的推广速度，也让国内该领域的淘金者们蜂拥而至，于人脸识别的各类细分应用市场疯狂掘金。但从应用端需求和场景化的角度来看，如今的人脸识别相比以往已大有不同，各细分应用场景无约束、动态化识别的相关应用已经越来越多，这也使得采用传统技术来开发的产品难以胜任各类形形色色的无约束类场景化应用。

      以当下热度最高的视频监控类人脸识别应用为例，北京澎思智能科技有限公司首席科学家申省梅表示：“无约束人脸的识别是当前视频监控场景下人脸识别应用的很大挑战，因为这种无约束的场景一般面部姿态变化巨大，而且会因为不同的遮挡、不同光照、不同表情、不同分辨率、静态动态混合在一起，传统的人脸识别算法已经远远不能胜任无约束人脸的识别，业内厂商需要开发新的迭代算法才能满足这类要求。”

　　尤其是面部姿态变化，俨然已成为当下人脸识别提升精度的最大瓶颈之一，也是各人脸识别方案商们打出市场差异化的关键优势。中科视拓(北京)科技有限公司联合创始人张杰表示：“由于人脸姿态的变化，同一个人的人脸表观可能就会存在很大的差异，在这种大姿态的情况下，人脸识别算法模型的识别能力会急剧下降。”

　　以实际场景为例，比如行人的动态人脸识别，苏州千视通视觉科技股份有限公司CTO胡大鹏举例到：“行人与路面上行驶的汽车不同，在人脸采集设备看来，行人是非刚体，从任何角度、任何时间上看，行人都不会是同一个型态。当人在走路时，手和脚都在摆动，而且还往往伴随有其他动作。这种情况下，某些特别设置的人像卡口确实可以采集到清晰的人脸，而且检测出来的图像很准确，人脸探测范围大概为前方150度左右。但如果在采集过程中，比如目标正在和其他人谈话，侧脸超过了角度范围就采集不到这张人脸了。”

       这就需要从算法设计的角度来做一系列工作，毕竟，硬件仅仅只是算法运行的载体。实际场景中，一般硬件都足以满足运行要求，这种情况下，算法技术的优劣，就是决定各人脸识别方案差异化的关键因素，成为该领域各细分市场玩家们后续开拓疆土的重要筹码。

本文为华强电子网原创，版权所有，转载需注明出处

关注电子行业精彩资讯，关注华强资讯官方微信，精华内容抢鲜读，还有机会获赠全年杂志

关注方法：添加好友→搜索“华强微电子”→关注

或微信“扫一扫”二维码