10月28日，以人工智能為主題的“OFweek 2020（第五屆）人工智能技術(shù)創(chuàng)新論壇”在深圳成功召開。會上，清華大學(xué)電子工程系蘇光大教授就算法、系統(tǒng)、標(biāo)準(zhǔn)、應(yīng)用四方面深度講解了人臉識別技術(shù)的發(fā)展態(tài)勢。

圖片來源：OFweek維科網(wǎng)

人臉識別的數(shù)據(jù)安全

人臉識別技術(shù)在我國起步較晚，但發(fā)展很快，目前已達(dá)到國際領(lǐng)先水平。

人臉識別技術(shù)在國家安全、社會公共安全中具有非常重要的意義。如今人臉識別技術(shù)已廣泛應(yīng)用于各個(gè)行業(yè)，其中在安防、金融行業(yè)中的體現(xiàn)尤為“突出”，已經(jīng)形成了應(yīng)用大潮。

在當(dāng)今社會，隨著人臉識別的廣泛應(yīng)用，人臉識別的數(shù)據(jù)安全也成為大家關(guān)注的焦點(diǎn)。

人臉數(shù)據(jù)，包括原生人臉數(shù)據(jù)、派生人臉數(shù)據(jù)。人臉特征數(shù)據(jù)，屬于派生人臉數(shù)據(jù)。

人臉識別應(yīng)用的健康發(fā)展，離不開人臉數(shù)據(jù)的安全管理。我們要規(guī)范人臉識別的應(yīng)用、確保人臉數(shù)據(jù)的安全、正確看待質(zhì)疑的評論、促進(jìn)人臉識別的健康發(fā)展。

人臉識別應(yīng)用的安全性非常重要，而這種安全性既包括人臉數(shù)據(jù)的安全，還包括防假體攻擊的安全。目前，在國家標(biāo)準(zhǔn)、公共安全行業(yè)標(biāo)準(zhǔn)層面上，人臉數(shù)據(jù)安全管理規(guī)范的相關(guān)標(biāo)準(zhǔn)也正在快速制定中。同時(shí)，人臉識別應(yīng)用中的防假體攻擊方面的相關(guān)國家標(biāo)準(zhǔn)也正在制定。可以說，人臉識別的應(yīng)用安全，也是人臉識別技術(shù)發(fā)展的一個(gè)重要組成部分。

人臉識別技術(shù)的核心技術(shù)

人臉識別是一種基于人臉特征信息進(jìn)行身份識別的生物特征識別技術(shù)。

前期的人臉識別算法我們一般稱為常規(guī)方法，如特征臉人臉識別方法。現(xiàn)在的核心算法主要是深度學(xué)習(xí)人臉識別方法。

深度學(xué)習(xí)是人工智能的突破性技術(shù)。深度學(xué)習(xí)應(yīng)用于人臉識別，取得了高識別率的顯著效果。比如基于二代證的實(shí)名身份認(rèn)證，采用常規(guī)人臉識別算法，2008年達(dá)到的水平是：錯(cuò)誤接受率為0．1％時(shí)，正確識別率僅為80．81％。采用深度學(xué)習(xí)人臉識別算法，現(xiàn)在達(dá)到的水平是：錯(cuò)誤接受率為0．01％時(shí)，正確識別率≥97％。

2005年，國家十五攻關(guān)項(xiàng)目“人臉識別查詢技術(shù)”通過科技成果鑒定。該項(xiàng)目研制成功的TH－2005人臉識別系統(tǒng)，采用了內(nèi)存計(jì)算技術(shù)、集群計(jì)算技術(shù)、MMX加速技術(shù)，在256萬特征庫中，實(shí)現(xiàn)了1秒內(nèi)識別查詢。該系統(tǒng)奠定了我國海量人臉識別系統(tǒng)的系統(tǒng)架構(gòu)基礎(chǔ)。2008年，我國建成千萬級特征庫人臉識別系統(tǒng)；2012年，我國建成億級特征庫人臉識別系統(tǒng)；現(xiàn)在人臉識別系統(tǒng)的特征庫最大規(guī)模已經(jīng)超10億。

具有影響力的人臉識別應(yīng)用

由于人臉識別的便捷性、攝像頭的普及性、第二代居民身份證包含的人臉圖像數(shù)量的規(guī)模性以及人臉識別在公共安全中應(yīng)用的有效性，我國人臉識別技術(shù)的應(yīng)用風(fēng)生水起，已形成應(yīng)用大潮。

我國人臉識別的應(yīng)用大致是按照辨識型人臉識別、確認(rèn)型人臉識別、關(guān)注名單型人臉識別的順序逐步展開的。

2000年左右，辨識型人臉識別系統(tǒng)率先應(yīng)用于公安部門。隨后，有影響力的應(yīng)用層出不窮。

2008年，上百套確認(rèn)型人臉識別系統(tǒng)應(yīng)用于2008年北京奧運(yùn)會。這是國際奧運(yùn)史上第一次應(yīng)用人臉識別技術(shù)。該應(yīng)用被媒體譽(yù)為是人臉識別技術(shù)在華發(fā)展的里程碑。

人臉識別應(yīng)用于視頻圖像偵查，在周克華案（如2009年3月19日，周克華在重慶某部隊(duì)的崗?fù)ぃ瑩寶⑸诒?、搶槍?012年1月6日，周克華在南京某銀行門口，槍殺某公司員工，搶走現(xiàn)金19．99萬）以及在其他一些疑難案件中，人臉識別發(fā)揮了重要作用。

2012年左右，在公安工作的推動(dòng)下，我國出現(xiàn)第一次人臉識別應(yīng)用高潮，即公安廳、局等單位紛紛建立了辨識型人臉識別系統(tǒng)，完成了戶籍人臉特征庫的查重、查異等業(yè)務(wù)，取得了人臉識別應(yīng)用的重要成果。

在平安城市、雪亮工程的推動(dòng)下，2015年左右，深度學(xué)習(xí)的關(guān)注名單型人臉識別系統(tǒng)廣泛應(yīng)用于視頻人臉識別，在追逃等業(yè)務(wù)中取得了人臉識別應(yīng)用的重要成果。由此，我國出現(xiàn)第二次人臉識別應(yīng)用高潮。

當(dāng)前，AI芯片已經(jīng)應(yīng)用于人臉識別。如：基于海思Hi3559芯片的人臉識別、基于云天勵(lì)飛DeepEye1000芯片的人臉識別。

AI芯片的人臉識別，正在逐步形成人臉識別應(yīng)用的第三次高潮。

人臉識別技術(shù)發(fā)展的瞻望

雖然人臉識別無論在算法層面還是在系統(tǒng)層面以及在相關(guān)標(biāo)準(zhǔn)的層面上都取得了長足的進(jìn)展，但人臉識別技術(shù)仍在發(fā)展，如三維人臉識別、防假體攻擊、戴口罩墨鏡的人臉識別等等。除此之外，還存在一些極具挑戰(zhàn)性的難題。

《MIT科技評論》將微型人工智能列為2020年十大突破性技術(shù)。顯然，AI芯片人臉識別，正是微型人工智能應(yīng)用的耀眼之星。

在AI芯片人臉識別系統(tǒng)的設(shè)計(jì)中，要努力改善馮?·?諾依曼內(nèi)存墻的難題，以提升有效算力。所謂馮?· 諾依曼內(nèi)存墻，是指運(yùn)算單元存取存儲體數(shù)據(jù)，存在速度和數(shù)據(jù)數(shù)量嚴(yán)重不足的問題。當(dāng)運(yùn)算單元增多，存儲體供應(yīng)不上數(shù)據(jù)。另一方面，運(yùn)算單元處理的多個(gè)數(shù)據(jù)結(jié)果，也難以高效的存入存儲體，形成數(shù)據(jù)堵塞，導(dǎo)致處理器的處理速度變緩。

推倒馮?·?諾依曼內(nèi)存墻問題成為AI硬件系統(tǒng)的難點(diǎn)。

當(dāng)前，人工智能硬件的架構(gòu)創(chuàng)新已成為人工智能核心技術(shù)的競爭焦點(diǎn)。目前已出現(xiàn)存算一體（Process in－memory）的硬件架構(gòu)和算存算一體的二維計(jì)算（2D Computing In Algorithms－Memory－Process）的硬件架構(gòu)。賽靈思公司的自適應(yīng)計(jì)算加速平臺和清華大學(xué)的類腦計(jì)算天機(jī)芯片，在某種程度上采用了存算一體的硬件架構(gòu)；清華大學(xué)的NIPC－3鄰域圖像并行計(jì)算機(jī)，采用了算存算一體的二維計(jì)算的硬件架構(gòu)，該成果曾在大鄰域圖像核和鄰域圖像處理的速度上優(yōu)于當(dāng)時(shí)可查到的國際最好水平。這些技術(shù)有效的改善了馮?·?諾依曼內(nèi)存墻問題。

在海量人臉識別系統(tǒng)的應(yīng)用中，一個(gè)問題是計(jì)算規(guī)模大。

例如，某公司成功設(shè)計(jì)的某省人臉識別大數(shù)據(jù)應(yīng)用平臺。其中，采用了40臺GPU服務(wù)器組成解析中心。這是該公司的成功應(yīng)用。成功應(yīng)用的反思是：今后我們能不能降低這個(gè)計(jì)算規(guī)模？CPU＋GPU的主流架構(gòu)存在的功耗大、運(yùn)營代價(jià)高的難題如何解決？這是人工智能硬件架構(gòu)創(chuàng)新面臨的一個(gè)新課題。清華大學(xué)某實(shí)驗(yàn)室擬采用算存算一體的二維計(jì)算硬件架構(gòu)，以硬件集群的方式，來實(shí)現(xiàn)海量人臉識別。目前做了一個(gè)初步的實(shí)驗(yàn)，在單路板上，可在百萬人臉特征庫中，實(shí)現(xiàn)人臉特征比對和排序，耗時(shí)約為0．6s。這個(gè)實(shí)驗(yàn)，表明人工智能硬件集群有能力解決目前海量人臉識別系統(tǒng)的功耗大、運(yùn)營代價(jià)高的難題。

當(dāng)前人臉識別的另一個(gè)難題是超低人臉分辨力的人臉識別。這是指人臉圖像太小的識別難問題。

人臉分辨率是指人臉兩眼間距的像素?cái)?shù)。最低人臉分辨率可能會成為視頻人臉識別的一項(xiàng)重要的性能指標(biāo)。2013年，關(guān)注名單型人臉識別的最低人臉分辨率為30像素。2020年，最低人臉分辨率可達(dá)到12像素。目前的研究是實(shí)現(xiàn)更低人臉分辨率的人臉識別。

今天的人臉識別，仍然在向縱深方向上發(fā)展。我們希望人臉識別健康發(fā)展，期待人臉識別學(xué)術(shù)問題的回歸，也期待人臉識別普適性的提升。同時(shí)，我們更加期待出現(xiàn)新的計(jì)算模式，減少諸如深度學(xué)習(xí)訓(xùn)練過程的超大計(jì)算規(guī)模、減少海量人臉識別系統(tǒng)的超大計(jì)算規(guī)模。