國際人臉識別技術(shù)研究及標準化工作進(jìn)展

　　在智能分析、生物識別等技術(shù)發(fā)展的背景下，近年來(lái)人臉識別技術(shù)已成為視頻監控、智能家居、金融支付等行業(yè)的主要應用趨勢。隨著(zhù)人工智能技術(shù)在各個(gè)行業(yè)的逐步應用和落地，由與技術(shù)革新相對應的人臉識別技術(shù)研究及標準化工作也受到了廣泛關(guān)注。本文將從國際人臉識別技術(shù)研究及標準化工作出發(fā)，探析國際人臉識別技術(shù)和標準化發(fā)展趨勢以及對我國人臉識別技術(shù)研究及標準化工作借鑒意義。

　　一、國際人臉識別技術(shù)研究組織概述

　　人臉識別技術(shù)是目前主流的人工智能算法落地應用之一。

　　人臉識別算法按識別流程主要包括人臉圖像捕獲、預處理、特征提取、人臉比對、活體檢測以及人臉對抗檢測等方面。獲取的人臉圖像經(jīng)過(guò)模型訓練實(shí)現人臉識別的過(guò)程稱(chēng)為人臉視圖解析過(guò)程。人臉根據任務(wù)需求包括1:1人臉驗證、1:N人臉庫對比匹配和多張相同人臉進(jìn)行人臉聚類(lèi)。

　　活體檢測是判斷當前視圖內人臉是否采用物理面具或者其他非真實(shí)人臉模具進(jìn)行人臉識別。

　　人臉對抗檢測是采用生成對抗樣本越過(guò)活體鑒別對人臉識別技術(shù)進(jìn)行破防檢測。

　　在國際主流人臉識別技術(shù)研究中，除人臉識別算法外，前端人臉數據增強、人臉數據加密存儲、行業(yè)內人臉識別管理技術(shù)也是國內外研究重點(diǎn)之一。

　　國外人臉識別技術(shù)研究涵蓋院校和知名企業(yè)兩大類(lèi)，主要通過(guò)組織或參加國際人臉相關(guān)類(lèi)競賽獲得了巨大曝光度。舉辦競賽類(lèi)學(xué)校和組織包括美國斯坦福大學(xué)、美國馬薩諸塞大學(xué)、美國華盛頓大學(xué)以及美國國家標準與技術(shù)研究院(NIST)等。

　　我國科技類(lèi)公司包括依圖科技、商湯科技、曠視科技、云叢科技都表現不俗，近年來(lái)一直處于競賽領(lǐng)先地位。國際上美國、法國、俄羅斯、立陶宛、加拿大、日本等國家院校和公司表現也十分搶眼。

　　1.斯坦福大學(xué)

　　美國斯坦福大學(xué)是最早研究人臉識別技術(shù)的院校之一。華人科學(xué)家李飛飛教授在2009年的CVPR上發(fā)表了論文《ImageNet: A Large-Scale Hierarchical Image Database》，次年開(kāi)啟了連續數年的ImageNet挑戰賽，極大的推動(dòng)了全世界人工智能行業(yè)發(fā)展。近期，斯坦福大學(xué)與Facebook旗下數據挖掘公司合作，采集100萬(wàn)人臉數據根據人員的年齡、性別、種族、面部朝向和面部表情等因素進(jìn)行識別，取得了較好的識別準確率。

　　2.美國馬薩諸塞大學(xué)

　　美國馬薩諸塞大學(xué)對人臉識別最重要的貢獻之一是開(kāi)源了知名的人臉檢測數據庫FDDB和人臉識別數據集LFW。FDDB數據集是從Wild數據集面部拍攝的2845個(gè)圖像集中的5171個(gè)面部的注釋?zhuān)瑪祿捎脵E圓型人臉標簽。主要用于研究無(wú)約束人臉檢測問(wèn)題的人臉區域數據集。評估方式包括長(cháng)方形和橢圓兩種形式。LFW數據集包含13233張人臉圖像，涉及5749位全世界知名人士，其中1680人具有兩張或兩張以上不同場(chǎng)景下圖片，每張圖片采用統一尺寸，LFW數據集主要應用于非限制環(huán)境下的人臉識別。

　　3.美國華盛頓大學(xué)

　　2016年IEEE計算機視覺(jué)與模式識別會(huì )議(CVPR2016)上發(fā)布了由美國華盛頓大學(xué)計算機科學(xué)與工程實(shí)驗室維護的MegaFace基準數據集競賽初始結果。該數據集是繼LFW后首個(gè)百萬(wàn)級人臉規模數據集，涉及690572個(gè)人員。測試規模是LFW的100倍以上，識別率研究提升難度更大。最早是由俄羅斯Vocord公司獲得第一名。

　　4.美國國家標準與技術(shù)研究院(NIST)

　　NIST是由美國商務(wù)部主管為美國工業(yè)和國防部提供測試技術(shù)的研究機構。主要負責美國國家計量基準與標準，參與美國標準化技術(shù)委員會(huì )制定標準等工作。其重要的一項人臉識別測試數據集是FRVT測評，由于其不對外開(kāi)放數據只接受SDK評測，并且屬于相對獨立的第三方評測機構不受商業(yè)因素影響，因此在國際上具有一定的公正性。FRVT測評的特點(diǎn)不設置截至日期，定期開(kāi)放不同企業(yè)提交的測試結果，可從測試精度、速度以及存儲、可靠性等各個(gè)算法進(jìn)行評測。FRVT數據集主要涵蓋Child exploitation、Visa images、Mugshot images、Selfie images、Webcam images、wild images等數據集，測試較為復雜，挑戰性大。

　　二、國際人臉識別技術(shù)研究發(fā)展趨勢

　　隨著(zhù)云計算、大數據、物聯(lián)網(wǎng)、人工智能等計算機科學(xué)技術(shù)的飛速發(fā)展以及人臉識別技術(shù)在實(shí)際應用領(lǐng)域的不斷拓新。全球人臉識別行業(yè)規模以非常高的速度增長(cháng)。

　　根據全球第二大市場(chǎng)研究咨詢(xún)公司Markets and Markets預測，新冠疫情后全球人臉識別市場(chǎng)規模將從2020年的38億美元增長(cháng)至2025年的85億美元，預計期間復合年增長(cháng)率(CAGR)約為19.0%。其中安防監控、零售與電子商務(wù)、金融服務(wù)是推動(dòng)市場(chǎng)增長(cháng)的主要因素。同時(shí)，人臉識別類(lèi)相關(guān)專(zhuān)利申請書(shū)也達到了1374件。隨著(zhù)人臉識別技術(shù)的廣泛應用，一些新的技術(shù)不斷發(fā)展。國際上人臉識別技術(shù)的主要研究重點(diǎn)包括人臉識別基礎算法、芯片和傳感器。

　　1.基礎算法技術(shù)

　　基礎性研究可解決應用算法層面的瓶頸。人臉識別技術(shù)從最早的基于特征臉、幾何特征方法、支持向量機到深度學(xué)習算法，經(jīng)歷了幾代的發(fā)展。在目前主流的深度學(xué)習算法中，基礎算法熱點(diǎn)包括深度學(xué)習模型結構設計、損失函數設計、特征加速等。模型設計的重點(diǎn)是權重少、計算小、速度快。如何設計高效的神經(jīng)網(wǎng)絡(luò )是研究重點(diǎn)之一。損失函數設計是反映模型設計水平的評價(jià)指標之一，主要用于反饋訓練數據集的真實(shí)水平和具有合理的可求解梯度。目前，深度學(xué)習領(lǐng)域的兩個(gè)重要分支分別是設計強大復雜的網(wǎng)絡(luò )模型和高效穩定的結果輸出。

　　2.芯片研制

　　人臉識別技術(shù)的發(fā)展得益于神經(jīng)網(wǎng)絡(luò )技術(shù)的發(fā)展。而神經(jīng)網(wǎng)絡(luò )技術(shù)依賴(lài)于大規模數據處理能力，也就是芯片算力。目前大部分人臉識別產(chǎn)品均采用通用芯片進(jìn)行處理。由于人臉識別算法對算力資源要求較高，一般采用CPU、ARM等芯片進(jìn)行視頻處理獲取人臉圖片。對獲取的人臉圖片進(jìn)行人臉解析過(guò)程是人臉識別技術(shù)的關(guān)鍵，由于CPU對多任務(wù)處理能力效率低下，因此該過(guò)程一般采用專(zhuān)用處理芯片包括GPU顯示核心、FPGA現場(chǎng)可編程門(mén)陣列、ASIC專(zhuān)用集成電路、DSP數字信號處理等。

　　2020年來(lái)，由于新冠疫情以及資源短缺，全球陷入芯片緊缺狀態(tài)，目前已從汽車(chē)行業(yè)蔓延到多數計算機產(chǎn)品行業(yè)。因此，突破芯片限制仍是目前國際上需要解決的重要課題之一。

　　3.傳感器技術(shù)

　　傳統的二維人臉識別技術(shù)已經(jīng)取得了實(shí)戰性應用，但隨著(zhù)信息安全技術(shù)的發(fā)展，活體檢測以及人臉對抗性攻防技術(shù)也是現在研究重點(diǎn)之一。而解決該類(lèi)算法攻擊的重要途徑之一是采用更為復雜的前端采集傳感器，如基于3D結構光、雙目立體視覺(jué)和TOF技術(shù)的三維人臉采集和近紅外人臉采集傳感器。如常見(jiàn)的Iphone Face ID主要采用3D結構光技術(shù)，可應用于消費者行業(yè)，如人臉支付、新零售、智能物流等。

　　三、人臉識別標準化現狀

　　1.人臉識別標準化國際組織概述

　　人臉識別國際標準化方面，人臉識別標準化工作主要屬于 ISO/IEC JTC1/SC37的工作范疇，其重點(diǎn)關(guān)注人臉識別基礎標準，如圖示、圖標、符號、樣本質(zhì)量等，以及數據交換格式及符合性測試方法等。

　　其它國外關(guān)注人臉識別的先進(jìn)組織包括IEEE消費電子協(xié)會(huì )(Institute of Electrical and Electronics Engineers，IEEE)、美國消費者協(xié)會(huì )(Consumer Technology Association，CTA)等，其關(guān)注的方向在于生物特征識別呈現攻擊檢測、人臉生物特征識別信息的性能評估等方面。

　　ITU國際電信聯(lián)盟標準(International Telecommunication Union，ITU)與生物識別標準相關(guān)的工作組包括ITU-T SG17安全標準工作組下設的Q9和Q10。Q9主要關(guān)注在通信應用環(huán)境中應用生物特征識別及其標準化工作。隨著(zhù)生物特征識別技術(shù)在電子商務(wù)、電子健康和移動(dòng)支付領(lǐng)域中的廣泛應用，該工作組同樣關(guān)注生物特征數據的隱私保護、可靠性和安全性等各方面的挑戰。Q10關(guān)注身份管理架構和機制，部分標準項目與基于生物特征識別身份認證相關(guān)。近年來(lái)，ITU-T SG16媒體工作組基于視頻監控、機器視覺(jué)等應用場(chǎng)景、功能需求、業(yè)務(wù)需求、性能需求以及安全需求，在Q12、Q21等課題組先后開(kāi)展人臉識別標準的研究和制定。

　　2.人臉識別標準制修訂概述

　　人臉識別技術(shù)作為生物特征識別技術(shù)的分支，也是應用最普遍的生物特征識別技術(shù)，有眾多生物特征識別領(lǐng)域相關(guān)的標準可參考。ISO/IEC人臉識別國際標準統計情況見(jiàn)表1。

　　表1 ISO/IEC國際人臉識別標準統計表

　　其中，國內標準GB/T 26237.5-2014 《信息技術(shù)生物特征識別數據交換格式第5部分：人臉圖像數據》采標國際標準ISO/IEC 19794-5：2006 《Information technology — Biometric data interchange formats — Part 5: Face image data》;國內標準GB/T 33842.5-2018 《信息技術(shù) GB/T 26237中定義的生物特征數據交換格式的符合性測試方法第5部分：人臉圖像數據》采標國際標準ISO/IEC 29109-5：2014 《Information technology — Conformance testing methodology for biometric data interchange formats defined in ISO/IEC 19794 — Part 5：Face image data》;國內標準GB/T 33767.5-2018 《信息技術(shù)生物特征樣本質(zhì)量第5部分：人臉圖像數據》采標國際標準ISO/IEC TR 29794—5：2010 《Information technology —Biometric sample quality — Part 5：Face image data》。除此之外，一些綜合性標準中也涉及了人臉識別相關(guān)內容，具體見(jiàn)表3。

　　表2  國外其他組織制修訂標準情況

　　表3  國外其他含人臉識別相關(guān)內容標準制修訂情況

　　由于人臉識別技術(shù)國外發(fā)展較早，相應的人臉識別國際標準也具有較先制定的情況。但國際標準化研究主要聚焦于基礎性標準建設，針對行業(yè)領(lǐng)域的標準化工作較少。

　　近年來(lái)，隨著(zhù)我國人工智能產(chǎn)業(yè)的加速發(fā)展，人臉識別技術(shù)和標準制修訂工作已經(jīng)實(shí)現了國際化接軌。國內標準的發(fā)展路徑由前期直接采標國際標準到后期根據國內行業(yè)發(fā)展個(gè)性化制修訂適合國內人臉識別行情的國家標準或行業(yè)標準，進(jìn)步十分明顯。

　　作者：王武成　云飛　公安部第三研究所