日前，小视科技对外宣布，公司将1:1人脸识别与静默活体相结合并引入到移动人脸身份认证系统中。该系统现已通过隶属于公安部第三研究所的国家安全防范报警系统产品质量检测监督中心（上海）、公安部安全防范报警系统产品质量监督检验测试中心的检验，成为国际首个通过官方认证的静默活体技术的商业化应用。
视觉是人类获取外界资讯的主要途径，占到总体感知的80%。人类从纷繁复杂的外部世界中，迅速而准确地找到感兴趣的物体，有赖于视觉系统的正常运作。在人类生理构造之外的机器视觉，也成为了人工智能细分领域中的一项核心技术。作为一家人工智能高科技公司，小视科技拥有新加坡国立大学的人工智能基因，很早就开始研究机器视觉领域下的人脸图像技术。在国际最先进的基于深度学习平台和大数据分析的人脸比对技术的基础上，模拟人脑神经网络结构，从海量数据自动学习特征，集成了人工智能、机器识别、机器学习、模型理论、视频图像处理等多种专业技术，具有稳定性高、适应性强、不易受外部环境变化影响的特点。
尽管近几年人工智能在海量数据训练下爆发性发展，前景一片广阔。不能否认的是，人脸识别技术的上升仍面临着很多的难题，比如学习通不人脸识别：在基数庞大的面孔中，怎样快速准确地识别出不同人脸？对用户进行人脸识别时，配合的动作越多用户体验越差，怎样在减少交互的前提下实现精准识别？伪造人脸攻击平台的行为屡见不鲜，如何高效辨别人脸真伪，抵抗欺骗攻击以确保系统安全？
小视科技的1:1人脸识别技术针对第一个问题提出了解决方案。1:1人脸识别应用于证明“学习通不人脸识别我是我”场景。当你提供身份证件，被关卡工作人员比对是否为证件所有人时，就是在经历1:1的场景。小视提供的解决方案中，关卡的检验者不再是工作人员，而是机器视觉。在公安部国家安全防范报警系统产品质量检测监督中心（上海）、公安部安全防范报警系统产品质量监督检验测试中心的检验中，小视科技1:1人脸识别系统对拥有10000张人脸的图片库L1与拥有1000对人像的图片集L2进行1:1S识别精度测验。选择不在人像库L1中的10个人的活体验证照片，将每张图与图库L1中的图片进行比对，共进行100000次比对测试，将比对结果按相似度从高到低排序。设定阈值，若1对图片比对相似度超过比对阈值，则记为1次误识别，调整阈值至满足0.01%的误识率。在此阈值下，再调用图库L2中的1000对人像图片，进行1000次1:1比对。结果显示，测试的通过次数共有982次，通过率达到98.2%，大于95%左右的肉眼识别精度。而小视科技1:1人脸识别的响应时间≤1S，克服了肉眼识别易疲劳的缺点，也保证了人脸识别的效率。
解决了第一个问题，小视科技的研发团队向另一个高阶问题，被誉为人脸识别技术迈向更高层次的一大障碍——“活体检测”发起挑战。综合考虑用户体验差和假脸攻击不断的难题，小视科技先于各大竞品，推出国际首创的静默活体技术。静默活体算法模型基于最新的深度卷积神经网络，结合百万级人脸数据及假脸攻击视频数据训练得到。微观上，可以精准的捕捉到真实人脸与攻击的假脸在成像上的些微不同，如拍摄屏幕留下的摩尔纹，图片反光，扭曲，以及其他人眼无法区分的微小特征学习通不人脸识别；宏观上，对人脸存在的环境进行理解分析，排除明显不可能存在人脸的情况，如手机屏幕里面，相框中等等，可从单帧或多帧人脸图片直接预测是否活体。该技术被小视团队搬运到了IOS和Android操作系统下，用户可在手机、平板、电脑等多个场景使用。有别于传统微表情活体识别技术，小视科技的活体技术无需用户进行微表情等动作配合，直接通过取景框对人脸图像进行实时分析，主动判定操作者是否为活人，实现了真正的0交互活体验证。公安部国家安全防范报警系统产品质量检测监督中心（上海）、公安部安全防范报警系统产品质量监督检验测试中心通过电子照片自动播放、打印照片等人工核验的方式，对小视科技的活体测试系统进行检验。在攻击总数为10000次时，假脸攻击成功3次，假脸攻击的成功率仅0.03%。
伴随着机器视觉精度的提高，在金融、智能安防、智能医疗等多方面应用技术的成熟，其商业价值也得到了资本的认可。Facebook收购了面部识别技术公司FacioMetrics；苹果收购了印度机器视觉公司Tuplejump；英特尔收购了俄罗斯计算机视觉公司Itseez。小视科技也在2017年获得了资本的亲睐，顺利拿到B轮融资，公司估值超过2亿美金。在市场需求不断扩大，对技术的要求逐日提高，国内机器视觉企业竞争格局尚未稳固的局面下，小视科技未来的发展值得期待。
标签： #学习通不人脸识别
评论列表