AI人工智能,行业互联网|的卢深视户磊:大库时代,落地千万级刷脸系统的技术剖析与建库经验 | AI 安防峰会( 四 )


AI人工智能,行业互联网|的卢深视户磊:大库时代,落地千万级刷脸系统的技术剖析与建库经验 | AI 安防峰会
文章图片

文章图片

这是整个技术架构 。
经过大家多年的摸索 , 2D人脸库逐渐形成一套标准 , 但是3D有深度信息的数据 , 这些数据如何存储、有什么特点、有何技术要求等方面 , 行业还没有形成规范 。
的卢这些年在这方面不断探索 , 建立起一整套数据标准和评价体系 。我们希望和行业协同 , 将它变成一个行业标准 。
另外 , 对于深度识别的设备 , 即传感器本身 , 需要具备怎样的深度采集能力和精准感知能力?
我们对大库情形下的识别精度也有一整套测试的方法和标准 。市面上通行的相机比较强调绝对精度 , 但绝对精度对于人脸和人体物体的精细特征来讲 , 并不是一个非常重要的指标 。事实上 , 相对形状的相对精度和对于形状的拟合度是一个比较重要的指标 , 恢复人脸肌理的特征也是比较重要的部分 。我们有一套深度质量的评价体系 , 对这些要素进行综合性的打分 , 从而形成对前端相机的整体评价 。
AI人工智能,行业互联网|的卢深视户磊:大库时代,落地千万级刷脸系统的技术剖析与建库经验 | AI 安防峰会
文章图片

文章图片

3D人脸识别技术算法与2D人脸识别有所不同 , 通常来讲 , 2D人脸识别通过摄像头获取图像数据信息后进行人脸检测 , 然后进行特征提取和信息比对 。
而3D的流程比较复杂 , 前端是符合标准的3D摄像头 , 在获取了图像数据并进行了人脸检测之后 , 还需要进行RGBD数据配准与3D信息重建 , 把人脸信息进行完整的三维恢复 。同时 , 在恢复的三维人脸模型上提取三维人脸特征 , 最后进行比对 。
在后台应用上 , 我们一整套后台应用服务器 , 能够单独部署 , 也可以集成部署 , 并且支撑高并发请求的快速处理和及时响应 。
同时 , 我们针对寒武纪MLU270的体系结构特点改进了深度学习网络结构 , 设计最佳并发处理模式 , 提高吞吐率 , 充分利用硬件平台算力 。在保证精度基本不损失的情况下 , 突破了三维人脸识别算法的INT8量化技术 。
AI人工智能,行业互联网|的卢深视户磊:大库时代,落地千万级刷脸系统的技术剖析与建库经验 | AI 安防峰会
文章图片

文章图片

另外强调一下多模态架构的理念 。物理世界中的物体都是3D的 , 获取到完整的3D信息对于系统精准感知和识别的进一步提升非常重要 , 换句话说 , 增加数据维度是最有效提升系统知能力的方式 , 可以以此突破深度学习发展的瓶颈 。
我们认为 , 多模态的架构是未来的趋势 , 3D也只是这个多模态架构中的一个方向 , 但它是一个比较易得的方向 , 因为它不会改变原来2D人脸识别中各种各样的交互和体验 , 同时还能提升整个系统的准确性和完全性 。当然 , 以后我们还会融合更多技术 , 把这个系统做的更好、更安全、更可靠 。
总结一下3D识别的优势:
准确性高 。千万大库下错误率低于万亿分之一 , 具有极高的安全性 。
鲁棒性好 。不受光线影响 , 可以实现7X24无间断地安全保障 , 对于大角度、浓妆识别的准确率更高 , 体验感也更好 , 大角度可识别;对不同肤色人种识别率几乎不受影响 。
安全性高 。对于活体检测 , 可以做到2D平面伪装攻击方式100%防御 。
总结一下的卢深视大库识别方案 。精准 , 可以做到万亿分之一误识别率;具备千万级别底库前提下精准识别的能力;高效 , 鲁棒性好 , 快速且安全;支持多模态 , 兼容性好;具有切实可行的建设方案 , 可利旧 , 性价比高 。
四、的卢深视提供"三维全栈"技术支撑
最后对的卢深视做一个简单介绍 。
的卢深视公司基于三维机器视觉和人工智能技术 , 提供实体空间人像身份、行为、轨迹的精准感知和整体解决方案 。公司团队是国内极少在深度感知成像、三维重建、三维识别测量定位等全栈式三维技术领域具备国际领先能力的原创团队 。


推荐阅读