“即便一个人的面部存在伪装,这套系统依然能够进行身份识别,”剑桥大学的Amarjot
Singh介绍道,“它可以用来识别试图摆脱执法部门追踪的犯罪分子。执法部门对于伪装面部识别所存在的挑战和问题很感兴趣,因为这项技术可以帮助他们识别罪犯。”

一个在FEI数据集中缩小人脸的例子

“在我看来,这是第一套能够以足够高的准确率解决DFI问题的AI系统,”Singh继续说道,“团队所开发的数据集对于解决问题是非常关键的,我们也希望更多的研究者可以使用它开发出强大的AI模型,来提高识别的准确率,或是对数据集进行扩展。”

来自布拉德福德大学的研究团队的最新研究在不完整面部识别方面,取得了突破性进展,实验使用最先进的基于卷积神经网络的架构以及预先训练的VGG-Face模型,使用余弦相似度和线性支持向量机来测试识别率。团队在两个公开可用的数据集(受控的巴西FEI和不受控制的LFW)上进行了实验。

在早期测试当中,这套系统在识别被帽子或围巾遮挡的面部上面准确率达到了56%。可如果被识别者戴上眼镜,那准确率会下降到43%。这种程度的准确率让系统在短时间内还无法作为法庭证据使用,但它的确可以帮助警方缩小搜索范围。

金沙澳门官网58588 1

接下来,研究团队将尝试降低这项技术对于计算机性能的需求,然后再将其部署在摄像头当中来观察它的实际工作表现。

线性SVM

腾讯数码讯面部识别技术正在不断改进,但对于现有面部识别系统而言,如果被识别者的面部存在故意遮挡,比如贴上假胡子或者戴着大墨镜,那识别起来还是非常困难。不过现在,印度国家理工学院和科学研究所联合英国剑桥大学开发出了一套更新的面部识别架构,可用来识别被遮挡的人脸。

在FEI数据集上显示面旋转

在工作时,这套基于深度学习的系统会去识别人脸的14个关键区域,其中有10个在眼镜周围,3个在嘴唇附近,还有1个在鼻子上。即便这些部分以某种方式被遮挡,系统也能够识别出它们,然后将读数和图像数据库进行比对来寻找匹配。

识别过程

我们重在分享,所有文字和图片均从网络转载,对文中陈述内容和观点均保持中立,不对其准确性、可靠性或完整性提供任何明示或暗示的保证,因编辑需要文字和图片之间亦无必然联系,仅供读者参考。如有侵权或不实请及时联系我们,我们予以删除。

金沙澳门官网58588 2

金沙澳门官网58588 3

示例图片

基于VGGF的特征提取过程

然而,与此相反,任何在光线、表情、姿势和即眼镜或胡子等等的变化,都可能对计算机的识别率产生巨大影响。不过,因为计算机处理海量数据的能力不断提高,可以认为机器算法至少在面部匹配方面拥有优异的表现。

从FEI数据集中采样面部数据

金沙澳门官网58588 4

金沙澳门官网58588 ,这项工作提供了一组全面的实验,使用面部的不同部分进行面部识别。

一些来自LFW数据集的人脸图像样本

金沙澳门官网58588 5

13个卷积层

用于测试FEI数据集上识别率的面部部分

众所周知,人脸识别在摄像头无法捕捉到完整面部图像的情况下很难获得理想的效果。最近布拉德福德大学的研究人员在不完整面部识别方面获得了突破性进展,实验表明,扫描整个面部的3/4、甚至1/2的识别准确率能够达到100%!

在LFW数据集上,分别使用SVM和CS两种分类器对训练中未使用/使用的人脸各部分进行识别

来自LFW数据库的面部部分样本

据悉,这是第一个使用机器学习来测试面部不同部位识别率的研究,论文已发表在Future
Generation Computer Systems上。下面新智元对本次实验进行介绍。

顺着这个逻辑,研究团队使用有遮挡的不完整人脸照片作为测试集,下面是一个测试集的示例图片,以及计算机对不完整人脸照片的识别过程。

应用前景

为了确定VGGF模型中用于面部特征提取的最佳层,通常必须进行一些试验和错误实验。在本实验中,团队发现最好的结果来自第34层。值得注意的是,该层是完全连接的层,位于神经网络的末端,这意味着提取的特征代表代表了全脸。

利用了两个流行的人脸数据集的人脸图像,即FEI和LFW数据集。使用级联物体检测器对两个数据库中的所有图像进行裁剪以尽可能地去除背景,以便提取面部和内部面部特征。但是,对于某些具有非常复杂背景的图像,如LFW数据库的情况,作者手动裁剪这些面部。

面部是人类生命中视觉系统中绘制得最多的图片,所以大部分人类拥有卓越的面部识别能力。一般来说,我们不需要像面部识别AI那样必须正视别人的正脸才能识别出对方,通常对于我们只要一瞥即可分辨。

例如,对于右脸颊,线性SVM的识别准确率达到了24.44%,而具有径向基函数的非线性SVM的识别率仅为2.77%。

金沙澳门官网58588 6

VGG-Face模型

本次实验中,研究团队使用了余弦相似度和线性SVM分类器。做出这样的选择基于两个原因:首先,团队测试了其他分类器后发现CS和线性SVM的效果最好;其次,通过实验和分析,团队发现这两个分类器能够更准确地分离数据。

金沙澳门官网58588 7

使用CS进行正确匹配的结果,对于嘴的部分

正确匹配的结果使用CS测量,为右脸颊

团队主要研究面部的不同部分如何有利于识别,以及在机器学习场景中如何在对面部照片进行不同程度旋转、缩放的识别。实验使用基于CNN的架构以及预训练的VGG-Face模型来提取特征。然后使用两个分类器,即余弦相似度和线性SVM来测试识别率。下图表现了特征提取步骤的概述:

金沙澳门官网58588 8

在FEI数据集上使用SVM和CS分类器的人脸识别率(基于训练集中没有和有旋转人脸图片)

金沙澳门官网58588 9

实验表明,扫描整个面部的3/4、甚至1/2的识别准确率能够达到100%!除此之外,团队还研究了面部的某个独立的部位,比如鼻子、脸颊、前额或嘴巴的识别率,以及图像的旋转和缩放对面部识别主体的影响。结果发现,如果只针对面部的某个独立的部位,比如鼻子、脸颊、前额或嘴巴,识别率总是相对较低。