ZLG深度解析——人臉識(shí)別核心技術(shù)
隨著計(jì)算機(jī)技術(shù)以及光學(xué)成像技術(shù)的發(fā)展，集成了人工智能、機(jī)器學(xué)習(xí)、視頻圖像處理等技術(shù)的人臉識(shí)別技術(shù)也逐漸成熟。未來五年，我國人臉識(shí)別市場規(guī)模平均復(fù)合增長率將達(dá)到25%，到2021年人臉識(shí)別市場規(guī)模將達(dá)到51億元左右，具有巨大的市場需求與前景。
安防、金融是人臉識(shí)別切入細(xì)分行業(yè)較深的兩個(gè)領(lǐng)域，移動(dòng)智能硬件終端成為人臉識(shí)別新的快速增長點(diǎn)。因此，這三大領(lǐng)域?qū)⑹侨四樧R(shí)別快速增長的最大驅(qū)動(dòng)力。
2017年，我國安防行業(yè)總產(chǎn)值達(dá)到6200億，同比增長16.98%，維持強(qiáng)勁發(fā)展勢頭。從細(xì)分產(chǎn)業(yè)來看，視頻監(jiān)控是構(gòu)建安防系統(tǒng)中的核心，在中國的安防產(chǎn)業(yè)中所占市場份額最大。而人臉識(shí)別在視頻監(jiān)控領(lǐng)域具有相當(dāng)?shù)膬?yōu)勢，應(yīng)用前景廣闊。
市面上的人臉識(shí)別解決方案也越來越多，但在系統(tǒng)框架上基本大同小異，大體框架如下圖所示：
接下來對人臉識(shí)別算法各技術(shù)點(diǎn)逐一進(jìn)行詳細(xì)介紹，包括人臉檢測、人臉定位、人臉校準(zhǔn)、人臉比對、人臉反欺詐以及算法優(yōu)化等。
1. 人臉檢測
人臉檢測算法繁多，我們采用由粗到精的高效方式，即先用計(jì)算量小的特征快速過濾大量非人臉窗口圖像，然后用復(fù)雜特征篩選人臉。這種方式能快速且高精度的檢測出正臉（人臉旋轉(zhuǎn)不超過45度）。該步驟旨在選取最佳候選框，減小非人臉區(qū)域的處理，從而減小后續(xù)人臉校準(zhǔn)及比對的計(jì)算量。
以下為人臉檢測算法的初始化接口,根據(jù)實(shí)際應(yīng)用場景設(shè)置人臉的相關(guān)參數(shù)，包括最小人臉尺寸、搜索步長、金字塔縮放系數(shù)等：
人臉檢測實(shí)測效果如下圖所示：
在人臉檢測領(lǐng)域比較權(quán)威的測試集FDDB上進(jìn)行評測， 100誤檢時(shí)的召回率達(dá)到85.2%， 1000誤檢時(shí)的召回率達(dá)到89.3%。
2. 人臉定位
面部特征點(diǎn)定位在人臉識(shí)別、表情識(shí)別、人臉動(dòng)畫等人臉分析任務(wù)中至關(guān)重要的一環(huán)。人臉定位算法需要選取若干個(gè)面部特征點(diǎn)，點(diǎn)越多越精細(xì)，但同時(shí)計(jì)算量也越大。兼顧精確度和效率，我們選用雙眼中心點(diǎn)、鼻尖及嘴角五個(gè)特征點(diǎn)。經(jīng)測試，它們在表情、姿態(tài)、膚色等差異上均表現(xiàn)出很好的魯棒性。
人臉定位接口程序如下所示，需要先加載預(yù)先訓(xùn)練好的模型，再進(jìn)行定位檢測：
人臉定位程序的效果如下所示：
本算法在AFLW數(shù)據(jù)集上的定位誤差及與其他算法的對比情況：
3. 人臉校準(zhǔn)
本步驟目的是擺正人臉，將人臉置于圖像中央，減小后續(xù)比對模型的計(jì)算壓力，提升比對的精度。主要利用人臉定位獲得的5個(gè)特征點(diǎn)（人臉的雙眼、鼻尖及嘴角）獲取仿射變換矩陣，通過仿射變換實(shí)現(xiàn)人臉的擺正。 目標(biāo)圖形以（x,y）為軸心順時(shí)針旋轉(zhuǎn)Θ弧度，變換矩陣為：
人臉校準(zhǔn)C++代碼可參考如下所示：
一般此步驟不建議使用外部庫做變換，所以這里提供仿射變換python源碼以供參考：
人臉校準(zhǔn)的效果如圖所示：
4. 人臉比對
人臉比對和人臉身份認(rèn)證的前提是需要提取人臉獨(dú)有的特征點(diǎn)信息。在人臉校準(zhǔn)之后可以利用深度神經(jīng)網(wǎng)絡(luò)，將輸入的人臉進(jìn)行特征提取。如將112×112×3的臉部圖像提取256個(gè)浮點(diǎn)數(shù)據(jù)特征信息，并將其作為人臉的唯一標(biāo)識(shí)。在注冊階段把256個(gè)浮點(diǎn)數(shù)據(jù)輸入系統(tǒng)，而認(rèn)證階段則提取系統(tǒng)存儲(chǔ)的數(shù)據(jù)與當(dāng)前圖像新生成的256個(gè)浮點(diǎn)數(shù)據(jù)進(jìn)行比對最終得到人臉比對結(jié)果。
人臉比對流程的示意圖如下所示：
通過神經(jīng)網(wǎng)絡(luò)算法得到的特征點(diǎn)示意圖如下：
而人臉比對則是對256個(gè)浮點(diǎn)數(shù)據(jù)之間進(jìn)行距離運(yùn)算。計(jì)算方式常用的有兩種，一種是歐式距離，一種是余弦距離。x,y向量歐式距離定義如下：
x,y向量之間余弦距離定義如下：
余弦距離或歐式距離越大，則兩個(gè)特征值相似度越低，屬于同一個(gè)人的可能性越小。如下圖，他們的臉部差異值為0.4296 大于上文所說的該模型最佳閾值0.36，此時(shí)判斷兩人為不同的人，可見結(jié)果是正確的。
把歸一化為-1到1的圖像數(shù)據(jù)、特征點(diǎn)提取模型的參數(shù)還有人臉數(shù)據(jù)庫輸入到人臉比對的函數(shù)接口face_recgnition，即可得人臉認(rèn)證結(jié)果。程序接口的簡單調(diào)用方式如下所示：
人臉比對算法的準(zhǔn)確率方面是以查準(zhǔn)率為保證的，AUC (Area under curve)=0.998,ROC
| 模型 | ZalFace | dlib | Resnet-18 |
曲線圖如下所示：
我們設(shè)計(jì)的比對模型主要特點(diǎn)是模型參數(shù)少、計(jì)算量少并能保證高的準(zhǔn)確率，一定程度上適合在嵌入端進(jìn)行布置。對比其他人臉比對模型差異如下表格所示：
| 參數(shù)量(parameter) | 3.7M | 5.0M | 11.07M |
| 理論浮點(diǎn)計(jì)算量(Flops) | 50M | 310M | 1372M |
| lfw | 98.12+-0.76% | 97.58+-0.80% | 99.10+-0.40% |
| lfw far@1e-3 | 90.47+-2.80% | 90.23+-2.37% | 93.68+-6.6% |
| agedb_30 | 88.71+-2.35% | 90.56+-1.84% | 88.95+-0.41% |
| agedb_30 far@1e-3 | 32.50+-4.41% | 35.73%+-6.41% | 25.67+-3.38% |
| cfp_ff | 97.84+-0.70% | 97.89+-1.08% | 98.49+-0.41% |
| cfp_ff far@ 1e-3 | 90.85+-2.36% | 87.86+-2.40% | 87.80+-3.48% |
（1）far@1e-3表示將反例判定為正例的概率控制在千分之一以下時(shí)，模型仍能保持的準(zhǔn)確率；
（2）dlib在實(shí)際測試中，存在detector檢測不出人臉的情況，導(dǎo)致最終效果與官網(wǎng)上有一定差異；
（3）resnet-18為pytorch的playground標(biāo)準(zhǔn)模型；
（4）lfw/agedb_30/cfp_ff為標(biāo)準(zhǔn)人臉比對測試庫，測試過程中圖片已經(jīng)過人臉居中處理。
5. 人臉反欺詐
從技術(shù)角度來說，人臉是唯一不需要用戶配合就可以采集的生物特征信息。人臉不同于指紋、掌紋、虹膜等，用戶不愿意被采集信息就無法獲得高質(zhì)量的特征信息。人臉信息簡單易得，而且質(zhì)量還好，所以這引發(fā)了有關(guān)個(gè)人數(shù)據(jù)安全性的思考。而且在沒有設(shè)計(jì)人臉反欺詐算法的人臉識(shí)別系統(tǒng)使用手機(jī)、ipad或是打印的圖片等都能對輕松欺騙系統(tǒng)。
所以我們采用多傳感器融合技術(shù)的方案，使用紅外對管與圖像傳感器數(shù)據(jù)進(jìn)行深度學(xué)習(xí)來判斷是否存在欺詐。紅外對管進(jìn)行用戶距離的判斷，距離過近則懷疑欺詐行為。圖像傳感器用深度學(xué)習(xí)算法進(jìn)行二分類，把正常用戶行為與欺詐用戶行為分為兩類，對欺詐用戶進(jìn)行排除。
二分類算法能夠有效抵抗一定距離的手機(jī)、ipad或是打印圖片的欺詐攻擊。對人臉欺詐數(shù)據(jù)集與普通人臉數(shù)據(jù)集預(yù)測如圖所示：
本二分類算法在100萬張圖片中準(zhǔn)確分類的概率為98.89%,所以并不會(huì)對整體系統(tǒng)的準(zhǔn)確率進(jìn)行影響，保障系統(tǒng)的可靠性。
6. 算法優(yōu)化
在使用神經(jīng)網(wǎng)絡(luò)算法解決問題的時(shí)候，算法效率問題是必要的考量的。特別是在資源與算力不足的嵌入式端，更是頭等大問題。除了依托TensorFlow、Keras等開源框架，根據(jù)其前向傳播的原理寫成C++程序，還有必要的編譯優(yōu)化外，模型權(quán)重參數(shù)的清洗和算法計(jì)算的向量化都是比較有效的手段。
1) 模型權(quán)重參數(shù)清洗
權(quán)重參數(shù)清洗對神經(jīng)網(wǎng)絡(luò)算法的效率影響相當(dāng)大，沒有進(jìn)行清洗的權(quán)重參數(shù)訪問與操作非常低效，與清洗后的權(quán)重參數(shù)相比往往能效率相差6-8倍。這差距在算力不足的嵌入式端非常明顯，往往決定一個(gè)算法是否能落地。具體的方法就是先讀取原模型進(jìn)行重組，讓參數(shù)變得緊湊且能在計(jì)算時(shí)連續(xù)訪問計(jì)算，最后獲得重組后的模型與對應(yīng)的重組模型的計(jì)算方法。這個(gè)步驟需要一定的優(yōu)化實(shí)踐經(jīng)驗(yàn)以達(dá)到滿意的效果，對模型讀取效率與運(yùn)算效率都會(huì)有顯
2) 算法計(jì)算向量化
對于算法的向量化的做法就是讓算法的計(jì)算能夠使用向量乘加等運(yùn)算，而特別是在使用神經(jīng)網(wǎng)絡(luò)算法情況下，大量的計(jì)算沒有前后相關(guān)性且執(zhí)行相類似的步驟，所以向量化計(jì)算會(huì)對算法有明顯的提升，一般能把算法效率提升三倍左右。
使用NEON指令集的SIMD指令取代Arm?通用的SISD指令，是一個(gè)常用的算法向量化方法。在基于Arm?V7-A和Arm?V7-R的體系架構(gòu)上基本采用了NEON技術(shù)，Arm?V8也支持并與Arm?V7兼容。
以IMX6ULL芯片為例，可以通過查閱官方的參考手冊查看其NEON相關(guān)信息：
下面舉例說明普通的編程寫法與NEON instrinsics編程、NEON assembly編程區(qū)別。以下為普通的編程寫法：
| 無冗余 | 飽和 | 順序 | 訪存模式 |
| T | T | T | 無冗余飽和順序模式 |
| T | T | F | 無冗余飽和亂序模式 |
| T | F | T | 無冗余非飽和順序模式 |
| T | F | F | 無冗余非飽和亂序模式 |
| F | T | T | 冗余飽和順序模式 |
| F | T | F | 冗余飽和亂系模式 |
| F | F | T | 冗余非飽和順序模式 |
| F | F | F | 冗余非飽和亂序模式 |
一般NEONinstrinsics已經(jīng)能做到三倍的提速效果，而NEONassembly效果會(huì)更好一些。但是程序向量化需要特殊訪存規(guī)則，如果不符合則會(huì)對導(dǎo)致提速效果大打折扣。
訪存特征詳細(xì)分類如表所示：
其中，無冗余飽和順序模式是理想的訪問模式，能夠發(fā)揮算法計(jì)算向量化的效果。但是我們神經(jīng)網(wǎng)絡(luò)算法的最基本的卷積、全連接等計(jì)算卻是冗余飽和非順序模式的計(jì)算，這要如何解決呢？
查閱相關(guān)論文、期刊對這程序向量化非規(guī)則訪存的研究，可以發(fā)現(xiàn)程序向量化有以下步驟：
如上圖所示，需要對卷積、全連接等冗余飽和非順序模式計(jì)算通過向量混洗為無冗余飽和順序的模式，以達(dá)到優(yōu)化的效果。
7.人臉識(shí)別效果展示
基于PC的人臉識(shí)別展示demo如下視頻所示：
我們的人臉識(shí)別算法已經(jīng)成功移植到了Cortex?-a7的EPC-6Y2C-L平臺(tái)，并已經(jīng)進(jìn)行了一定的優(yōu)化，后面會(huì)進(jìn)行進(jìn)一步的優(yōu)化。人臉檢測效率為166ms左右，人臉定位效率為125ms左右，人臉比對的效率為493ms左右，合計(jì)人臉識(shí)別總耗時(shí)788.3ms左右。下面是在EPC-6Y2C-L的實(shí)測效果：
