爆料!傳阿里人靠臉吃飯,真相是......
阿里妹導讀:影像識別是機器智慧的一個重要領域。影像識別使得機器能夠“看”事物,甚至包括人類無法看到的事物。本週,阿里妹將陸續推出數個“影像識別”方向的阿里技術實踐案例,和大家一起發現影像演算法之美。
從進出辦公大樓到會議室,從取快遞到食堂吃飯,只需對準攝像頭刷一下臉,就能輕鬆完成通行、支付、取件等操作。在阿里巴巴,“臉”已經成為員工日常生活辦公的通行證。
阿里園區食堂使用人臉支付
作為園區“刷臉”的主要技術支援方,阿里巴巴資訊平臺事業部園區大腦技術團隊負責人楊含飛(花名:少昊)表示,今年1月初,第一臺人臉閘機才正式在園區落地。而現在,“人臉”已經運用在阿里園區的方方面面,平均每天會進行20多萬次的人臉識別。
此外,隨著會議活動對安防要求的增加,一些大型展會對人臉識別的需求也變得越來越強烈。在今年9月雲棲大會上,阿里內部的這套人臉閘機,支援現場12萬人次的通行。
雲棲大會上的人臉門禁
那麼,在這些大規模的人員識別場景中,阿里內部的人臉識別究竟是如何做保障的?
今天,我們邀請少昊親自揭祕阿里巴巴人臉識別的優化方案。
人臉識別時,首先需要對方提供一張照片進行人臉註冊,然後在識別過程中,通過終端照片去檢測當前畫面照片上是否有人臉出現。如果有就會去提取特徵並與服務端演算法進行對比,來確認兩者之間是否一致。可見,人臉識別實際上是特徵的“提取”與“對比”。
少昊認為,在這一過程中,特徵提取是否完整與充分,對比是否快速準確,與識別演算法、終端軟硬體以及人臉底庫照片都有關係。所以,資訊平臺在做大型人員識別的優化時,主要從這三個方向入手:
終端的優化
終端的優化分為硬體與軟體。硬體上,主要針對攝像頭採用寬動態技術,IPS優化,從捕捉畫面前景與背景處理上達到清晰均衡的要求,解決逆光問題,讓人臉識別更加快速有效。
軟體上,我們主要對拍攝清晰度做管理和控制。一般來說,在捕捉到識別影像後,首先會對每幀影像進行資料監控與評估。在經過資料化打標之後,會給影像進行分類,來考察不同清晰度下的影像通過率。以及不同清晰度與角度下,影像的實際分佈情況。這能有效管控識別速度與識別距離,確保整個識別過程的通行效率。
識別演算法的優化
誤識率是人臉識別的基礎,所以在識別演算法上,技術人員一是對誤識進行控制;二是對相似度進行管理。
因為受演算法效能影響,隨著人臉底庫的增加,演算法效能會逐步降低。如何在識別服務上進行優化,成為人臉識別的一大關鍵。
使用者行為產生的大量資料,使資料預測成為可能。比如在杭州進行人臉識別出現誤識別,本人有可能實際上正在北京出差或休假等。所以,如果結合資料演算法模型來準確的預測使用者行為,對人群進行合理區分的話,就能一定程度解決誤識別。
基於此,團隊成員在誤識別上進行的第一個優化就是——分組優化。通過特徵細分人群,降低誤識,提高通過率。
分組優化首先需要考慮時間與空間因素。如果把一個區域空間圈得越小,未來一定時間內出現在該特定區域內的人也會越少。同時,時效越強,在該區域該時段出現的人臉也會越少。
同時,結合實際應用場景,通過業務規則與特點的判斷,以及人臉識別演算法的效能特性,就能更好確認合理的空間、時間以及人數的分組規模情況。
以阿里巴巴園區人臉識別取件的分組優化為例。從地域屬性上來看,每個小郵局都是一個固定的空間單元,有具體的位置。從時效性來看,當包裹到達小郵局後,它的主人在一段時間內會去拿包裹。從業務屬性上來看,小郵局是收取包裹快遞的地方。通過這三點屬性,就能基本確定取件場景的分組優化方案。判斷哪些員工會去哪個小郵局的分組中。
此外,取件還會存在代領情況。這一情況在業務規則中就沒法確認,需要基於歷史行為去分析,一個包裹被別人代領的可能性是多少,以及被誰代領的可能性更高。然後將這一預判結果加入到人臉識別的分組中。
阿里園區小郵局通過人臉取件
通過一系列的演算法模型學習優化,提升模型預測的準確性,不斷的改善人員分組質量,目前人臉在支援阿里巴巴園區通行上,誤識率已經有效控制在千分之一左右。
除了分組優化外,在面對不同膚色與人種的情況下,團隊還建立了不同種類的演算法模型與底庫。這樣可以針對特定膚色人種的通行率和誤識率,做針對性的優化。
人員底庫照片的優化
少昊表示,很多時候,人臉識別不成功並不是現場攝像頭或比對演算法出了問題,還是底庫照片的質量太差,導致無法進行人臉識別。除了讓對方重新提供照片影像外,還可以通過演算法進行大小臉檢測、照片校正以及身份核實,來確認本人身份。
此外,演算法還可以幫助底庫照片進行自學習。通過人員照片序列的分析後,提取特徵進行圖片聚類分析,隨後再通過圖片質量分析後,對本人身份進行核實,進而完成底庫照片的註冊與特徵提取。
通過上述手段優化,在人臉識別通過率保持不變的情況下,誤識率可以降到1‰。
今年雙11期間,阿里園區的這套人臉識別技術還應用於雙11作戰指揮室與天貓雙11晚會現場的安防保障。
少昊表示,通過人臉屬性識別的進一步豐富,硬體及演算法能力的進一步提升,未來,人臉識別技術將會滿足更多商業場景需求,一個真正的刷臉時代就要來了。
你可能還喜歡
點選下方圖片即可閱讀
關注「阿里技術」
把握前沿技術脈搏
相關文章
- 刷臉支付越來越多的場景開始讓人們靠臉吃飯
- 神馬是敏捷?(4)——敏捷不能當飯吃敏捷
- 程式設計師們 不要想一輩子靠技術混飯吃程式設計師
- 支小蜜人臉識別消費系統助力學校食堂實現“刷臉吃飯”
- 支小蜜刷臉就餐系統解決方案,讓孩子在食堂吃飯更方便
- 由吃飯引發的思考
- IO模型與吃飯的那些事模型
- 搞懂? Python 多執行緒 多程式(先吃飯再喝湯?還是吃飯喝湯同時進行?)Python執行緒
- 用吃飯選餐館解讀遊戲IP的作用遊戲
- 想靠寫程式吃飯,這些你一定要會
- 程式設計師,一個吃青春飯的行業程式設計師行業
- 微信小程式 吃什麼都行 — 為廣大群眾解決“吃飯難”的問題微信小程式
- 大齡程式設計師找不到工作,程式設計師真的是吃青春飯的嗎?程式設計師
- 盒飯太坑!高鐵為何不賣泡麵?鐵總說出真相...
- 想靠寫程式碼吃飯?這些你一定要會
- 想靠寫程式碼吃飯,這些你一定要會
- 想靠寫程式碼吃飯 這些你一定要會
- 程式設計師是吃青春飯的?一張圖道盡程式設計師的發展方向程式設計師
- 最喜歡和程式設計師一起吃飯了程式設計師
- iPhone 8 Home 鍵消失,解鎖或靠刷臉iPhone
- 程式設計師和女孩子吃飯指南(實戰教學)程式設計師
- Flutter 萌新高頻問題(加班猿媽媽叫你回家吃飯了)Flutter
- ACL 2024,機器之心邀您一起吃頓飯
- 【日記】這下真要窮得吃不起飯了(1504 字)
- 為什麼說靠吃“大資料”才能養出AI?大資料AI
- 阿肝正傳之Redis主從同步Redis主從同步
- 有微軟撐腰,CyanogenMod 吃著安卓的飯,還要砸它的鍋微軟安卓
- 【日記】怎麼上了一天班飯都沒得吃(659 字)
- 阿肝正傳之Redis哨兵機制(一)Redis
- 我從來不覺得程式設計師是吃青春飯的!這裡有169萬份分析資料程式設計師
- 中年發現的真相是什麼
- 英國開發者:跟中國人談生意,吃飯、送禮和換名片都有講究
- 程式設計師只吃青春飯?大齡程式設計師都去哪了?程式設計師
- Reading Club | 演算法和人生抉擇:午飯到底吃什麼?演算法
- 杭州一高中推刷臉吃飯:8秒搞定;烏海市與上海荷福簽署合作協議進入人工智慧礦業安全領域協議人工智慧
- 馬雲:如果阿里巴巴消失 會有50萬以上中小企業沒飯吃!阿里
- 網友總結9大最不靠譜小謊言:改天請你吃飯居首
- 深度學習下的人臉識別技術:從“後真相”到“無隱私”深度學習