“刷臉”時代到來，你不知道的那些人臉識別技術

dicksonjyl560101發表於2019-08-01

過去的2018年，是人臉識別技術全面應用的重要一年，“刷臉”時代正式到來。手機解鎖實現了從數字密碼、指紋到人臉的新鮮跳躍；多所高校入學季嘗試了人臉註冊；肯德基部分餐廳上線“刷臉”支付……今天，我們就來聊聊這個時代新寵兒——人臉識別。

先看一組資料。2010年，我國人臉識別行業市場規模是3.77億元，2011年來幾乎是直線上升狀態，到2016年達到17億元。2017年到2018年的增速都超過20%。

01. 強勢爆發的人臉識別未來趨勢如何？

第一，大資料與人臉識別技術會深度融合，逐步提升在不同場景下的精度效果；第二，3D人臉識別逐步替代2D，3D識別效果在誤識率、拒識率上都會低於2D，特定場景下，像姿態變化、頭髮遮擋、弱光線，3D識別精度也更高；第三，人臉識別會逐步依託嵌入式硬體，落到端上，但由於端上底庫儲存容量有限，一些資料還要傳到後端的雲端來處理，這就需要跟5G技術結合，實現低延時。

02. 目前，人臉識別的技術挑戰有哪些？

第一，需要大量計算，除了越來越大的資料庫，演算法更新迭代過程也需要模型再重新訓練；第二，識別精度需要突破，一些很理想狀態下，精度可達到99%以上，但有些場景下，精度還需提高；第三，實際應用中，對不同場景的適應性需要增強，以及在實際應用中如何做到毫秒級低延時響應，提升使用者體驗，包括多路視訊資料情況下，如何實現併發的高吞吐響應。

03. 人臉識別到底是如何實現的呢？

我們來講一個也許你不太瞭解的它——FaceNet。2015年穀歌在CVPR上釋出了一篇關於人臉識別演算法的文章，主角就是FaceNet。這種演算法的精度在LFW資料上達到99.63%，在YouTube人臉資料集上達到95.12%。它實際上是比較大的革新。因為它實現了端到端的學習，實現了CNN學習影象到人臉特徵向量的直接對映。其次，引入了triplet損失，提升了模型學習效果。

FaceNet在公佈論文的同時也做了開源，基於TensorFlow快速實現模型訓練，並且會提供對比、聚類、識別樣例程式碼。

04. 用FaceNet實現具體場景的解決方案，瓶頸和挑戰在哪裡？

第一，目前FaceNet工程程式碼只支援單卡訓練，並且計算核心利用率只有60%左右，整體效能不高。對於比較大的人臉底庫，需要時間會非常長。隨著資料量增大，訓練週期也會越來越長。

有個資料可以分享。40萬人臉資料，單卡的話，訓練一個batch基本上需要0.45秒，達到98.5%的精度。把40萬資料全部訓練完的話，可能有8萬個batch，那就需要十個小時。如果是億級底庫，那單卡可能需要一年時間。演算法創新需要更快的進行演算法迭代，我們需要的是天級或者分鐘級，等一年是很難忍受的。這樣的話，FaceNet工程就需要實現並行化，以實現訓練更大的資料集。

第二，再深入分析，我們發現這裡面採用的是CPU的平臺來做軟解碼，然後再送到GPU裡面做推理。這樣一是解碼效率比較低，二是延遲高，所以如何進一步降低延時，也是FaceNet面臨的挑戰。

05. 針對實時視訊人臉識別場景，我們對FaceNet做了哪些優化？

第一，把單卡擴充套件到多卡再到多機，實現更大規模並行訓練；第二，對GPU進行解碼，實現低延時。我們希望達到線性擴充套件，充分利用GPU大規模的平臺資源，提高它的核心利用率，降低能耗，提升技術效率。

敲黑板！重點重點！！接下來，進入“提純”乾貨。

Part1 訓練——分散式訓練架構▼

基礎平臺是AI伺服器，儲存採用NVME，互聯之間、節點之間採用IB網路。我們首先對資料分批次，然後呼叫Hvd框架做整個GPU分散式環境的初始化，接著把相關的引數傳到各個GPU，做模型的梯度計算、更新權重，最後呼叫它整個框架做引數同步，生成特徵模型。總結一下，做到分散式並行主要是這三點。首先，利用Hvd實現GPU環境初始化；第二，把GPU0的全域性變數廣播到所有的GPU裡面去，然後採用多機多卡的方式實現GPU的分散式訓練；最後生成特徵模型。