雲棲號資訊：【點擊查看更多行業資訊】
在這裏您可以找到不同行業的第一手的上雲資訊，還在等什麼，快來！
僅僅在幾年前，程序員要開發一款人臉識別應用，就必須精通算法的編寫。但現在，隨着成熟算法的對外開放，越來越多開發者只需專注於開發垂直行業的產品即可。
由調查機構發佈的《中國AI產業地圖研究》中也有一組有趣的數據，目前中國的AI企業中，有近8成集中在應用層，其中AI行業解決方案佔比高達40.7%，從上下班的人臉識別考勤，到金融App的人臉身份覈驗，再到醫院和政務大廳的人臉識別取號，以及車站的人臉覈驗檢票……
目前市面上既有OpenCV等開源算法庫，很多芯片廠商的產品也自帶簡單算法，同時專業算法大廠也會開放相關技術，如提供免費、離線人臉識別SDK的虹軟視覺開放平臺等。對於開發者而言，面對多種算法，如何進一步瞭解算法性能至關重要。因此，本文將從算法原理、應用場景、關鍵指標一一進行介紹。
人臉識別算法原理簡述
在介紹關鍵性能指標之前，我們需要釐清人臉識別的技術原理。
所謂人臉識別（Face Recognition），是對圖像中的人臉進行檢測、識別和跟蹤。當前的人臉識別，通常是利用卷積神經網絡（CNN）對海量的人臉圖片進行學習，然後對輸入圖像提取出對應的人臉特徵值。
人臉特徵值是面部特徵所組成的信息集。人類記憶和辨別一張臉，主要是靠肉眼可見的特徵，譬如國字臉、雙眼皮、黑眼睛、藍色頭髮、塌鼻樑……但人工智能不同，主要是利用卷積神經網絡（CNN）對海量的人臉圖片進行學習。它們能夠抽象出人類難以理解的面部特徵，因而在識別能力上超越人類。
人臉特徵值是一組空間向量，也是人臉比對的依據。同一張臉不同照片提取出的特徵值，在特徵空間裏距離很近，不同人的臉在特徵空間裏相距較遠。換言之，距離近的就有更大可能是同一個人。
另外需要注意，人臉識別和人臉檢測並非同一技術。人臉檢測是人臉識別完整流程中的一個環節。在用攝像頭採集含有人臉的圖像或視頻流後，首先就需要用人臉檢測技術自動檢測、提取當中的人臉，隨後才能進入人臉圖像預處理及最核心的人臉特徵提取環節。
在實際商業落地中，人臉檢測也可獨立於人臉識別進行使用，典型應用如近期在海內外大熱的AI測溫機，只在檢測到人臉時激活測溫模塊，從而降低產品長期運行的損耗與能耗，該過程就無需對人臉進行識別。
【瞭解這些指標，你也能評價算法】
在理想狀態下，人臉識別準確率越高越好，但算法在產品化時會受到逆光、暗光、強光、識別角度等諸多實際因素的影響。因此，脫離使用場景單獨考量算法的識別準確率參考價值不大。
人臉識別關鍵指標：
多數情況下，我們以基於FAR（錯誤接受率，又稱誤識率，即把某人誤識爲其他人的概率）和FRR（錯誤拒絕率率，即本人註冊在底庫中，但比對相似度達到不預定的值）的DET曲線作爲評判參考。
（1）錯誤拒絕率（FAR）
相似度值範圍內等分爲若干檔，得到若干個不同的閾值 S，計算不同閾值 S 的 FRR 如下：FRR(S) = 同人比對相似度中低於閾值S的數量 / 同一人比對總數 × 100%；
（2）錯誤接受率（FRR）
相似度值範圍內等分爲若干檔，得到若干個不同的閾值 S，計算不同閾值 S 的 FAR 如下：FAR(S) = 非同人比對相似度中不低於閾值S的數量 / 非同人比對總數 ×100%；
理想狀況下，FAR和FRR都越低越好，但兩個指標是一個蹺蹺板，一個指標的降低通常意味着另一個指標會升高，所以需要實現兩者間的平衡。一般認爲在FAR達到市場正常水準時，FRR越低，該人臉識別算法性能就越好。
目前，市場上大部分場景會根據自身安全性要求，制定不同標準。比如在門禁場景下，要求FAR低於十萬分之一，此時FRR越低，算法效果越好。以下圖爲例，算法1效果就好於算法2。
人臉檢測關鍵指標：
評價一款人臉檢測算法，也有檢測率、誤報率、FPS、IOU四個指標。
一般情況下，我們同樣希望檢測率越高越好，誤報率越低越完美，但這兩者需要一個最優的平衡，我們可以用ROC曲線解決這一問題。
（1）True Positive：檢測出來確實是人臉，但實際上仍然是人臉的
（2）False Positive：檢測出來是人臉，但實際上是背景的
（3）False Negative：檢測出來是背景，但實際上是人臉的
（4）True Negatives：檢測出來是背景，實際上就是背景的
除了算法模型本身，我們也還可以從工程和應用等角度提升整體人臉識別效果。
應用角度：研發質量模型，對檢測到的人臉質量進行評價，質量較差則不識別。
工程角度：施加場景限制，比如刷臉解鎖，人臉閘機，會場簽到時，都要求用戶在良好的光照條件下正對攝像頭，以避免採集到質量差的圖片。
【雲棲號在線課堂】每天都有產品技術專家分享！
課程地址：https://yqh.aliyun.com/live立即加入社羣，與專家面對面，及時瞭解課程最新動態！
【雲棲號在線課堂 社羣】https://c.tb.cn/F3.Z8gvnK
原文發佈時間：2020-07-28
本文作者：進擊的丸子
本文來自：“掘金”，瞭解相關信息可以關注“掘金”