人工智能面部識別：如何發展智能監控

作者：李睿 2022-05-12 09:00:00

想知道人工智能如何改變智能監控行業？需要了解人工智能為不同的面部識別用例和智能監控提供的幫助。

面部識別技術一直在不斷發展，并有助于智能監控系統的發展。這些系統允許組織出于安全目的監控某人或一些人員，并針對不同目的增強安全性，其中包括數字鎖、圖案鎖和指紋傳感器。

尤其是在現代智能手機中，面部識別技術已經得到廣泛采用。有幾種不同的基于人工智能的面部識別算法來識別人物并提供表情細節。

每個面部識別系統都會識別人們的面部特征，并將其轉換為數據矩陣。這些數據矩陣存儲在數據庫中，用于分析、數據驅動的業務決策和安全策略的改進。

這就是面部識別市場規模一直在增長的原因。盡管新冠疫情影響了不同行業的發展，但面部識別市場在2020年的收入為38億美元，預計到2025年將進一步達到85億美元。

不可否認的是，面部識別系統在不同行業都有巨大的需求。然而，企業需要先進的面部識別系統來應對不準確之處。以下將討論人工智能如何改變面部識別系統，先從了解面部識別的工作原理開始。

每個面部識別系統都可以捕獲、識別和分析模型。此外，它還需要一個海量的面部數據數據庫進行分析和比較。面部識別的過程始于采用攝像頭捕捉人們的圖像或視頻。

這些設備可以是閉路電視攝像頭、手機攝像頭或其他設備。在捕獲圖像之后，面部識別軟件將識別重要的面部特征，例如人臉的前額和下巴之間的距離、眼睛之間的距離、鼻尖突出等。該軟件可以識別68個不同的面部標志。

然后，基于這些標志，創建面部識別矩陣。這是一個表示面部數據的數學公式。最后，將這些數據與數據庫中已經存儲的數百萬人的信息進行比較。一項研究表明，面部識別軟件的準確率為99.97%。

那么，人工智能與面部識別有什么關系呢?為了了解人工智能對面部識別的影響及其工作原理，以下討論面部識別的三個基本階段。

面部識別是一個包括檢測、分析和識別三個階段的過程。

檢測是掃描捕獲的面部圖像的過程。這個過程還涉及面部映射。

分析是涉及識別面部標志、它們之間的距離以及生成元數據的第二個過程。

人工智能算法在識別過程中識別這些數據。該算法將對大量數據庫中的元數據進行排序。然而，人工智能的功能并不僅限于將圖像元數據與現有的元數據進行匹配。用于智能監控的人工智能算法的使用案例是無限的。

人工智能一直在為許多用例提供支持，從安全目的到身份驗證，甚至是自然語言編程(NLP)。企業和安全機構可以針對特定用例定制這些算法。

面部識別可用于幫助保護敏感區域的安全，例如機場、政府設施和企業辦公室。在這里，人工智能允許安全機構識別乘客并分析表情。這允許安全人員分析情況和乘客的意圖。

以歐盟成員國開發的進入/退出(EES)系統為例。這是一個基于人工智能的智能監控系統，有助于跟蹤歐盟外部邊界的短期簽證持有者。

同樣，世界各地的許多智能監控系統都使用人工智能來增強跟蹤。基于人工智能的面部識別的另一個關鍵用例是用戶身份驗證。

在當今的網絡世界中，用戶需要提供身份驗證憑據(例如用戶名和密碼)來訪問某些網站或服務變得越來越普遍。然而，通過使用面部識別技術，無需輸入任何個人信息，就可以快速而輕松地驗證用戶的身份。

例如，澳大利亞國民銀行與微軟公司合作開發了一種基于人工智能的面部識別系統，該系統可以對用戶進行身份驗證以解鎖ATM機。不僅僅是身份驗證，跟蹤對象或個人也是一個重要的面部識別用例。

面部識別可以幫助跟蹤和監控感興趣的個人或物體。這可用于多種用途，例如安全監控、欺詐檢測以及監控兒童或寵物的位置。

2019年全英音樂獎就是這樣一個跟蹤和監視的例子，由人工智能驅動的面部識別被用來跟蹤活動的每一個參賽作品。此外，它還連接移動應用程序，方便安全人員對活動參加者進行遠程驗證。

隨著人們越來越依賴計算機進行交互，能夠自然地處理人們與計算機的交互變得越來越重要。例如，可以使用基于人工智能的面部識別和語音識別創建既直觀又可視化的用戶界面。

例如，麻省理工學院開發了一種名為Speech2Face的新型人工智能算法，可以通過語音識別構建圖像。它使用卷積神經網絡(CNN)將用戶的聲音轉換為頻譜。

此外，卷積神經網絡(CNN)還可以創建頻譜圖，根據音頻配置文件逐漸指示每個面部特征。這有些與聞到橙子或香蕉的氣味并描述其象形圖類似。

基于人工智能的面部識別在不同的商業領域有著廣泛的應用。它并不局限于安全目的，如果執行得當，可以幫助增強用戶體驗。然而，將面部識別技術集成到企業的商業模式和現有應用程序中可能與其他應用程序不同。

因此，在實施面部識別之前分析企業的目標、現有應用程序、系統和結構變得至關重要。這種分析還有助于定制支持面部識別系統的人工智能算法。

責任編輯：華軒來源： 51CTO