为什么香港计算机科学家多,[转载]为什么香港中文大学汤晓鸥教授团队的人脸识别技术能够击败人类？...

任何一个人脸自动识别程序，首先要考虑的就是去构建一个合适的数据集来测试算法。那需要一个非常大范围的，各种各样的，带着各种复杂动作、光线和表情的，不同脸的图像，各种人种、年龄和性别都要考虑在内。然后还要考察服装、发型以及化妆等其他因素的影响。

比较幸运的是，已经有这么一个拥有各种不同人脸的标准数据库——Labelled

Faces。它拥有超过13,000张不同人脸的图片，它们是从网络上收集的6000个不同的公众人物。更重要的是，每个人都拥有不止一张人脸图片。

当然也存在其他的人脸数据库，但是Labelled

faces目前是计算机科学家们所公认的最具参考价值的测试数据集。

面部识别的任务是去比较两张不同的图片，然后判断他们是否是同一个人。

人类在这个数据库上的表现可以达到97.53%的准确度。但是没有任何一个计算机算法能够达到这个成绩。

直到这个新算法的出现。新的算法依照5点图片特征，把每张脸图规格化成一个150*120的像素图，这些特征分别是：两只眼睛、鼻子和嘴角的位置。

然后，算法把每张图片划分成重叠的25*25像素的区域，并用一个数学向量来描述每一个区域的基本特征。做完了这些，就可以比较两张图片的相似度了。

但是首先需要知道的是到底要比较什么。这个时候就需要用到训练数据集了。一般的方法是使用一个独立的数据集来训练算法，然后用同一个数据集中的图片来测试算法。

但是当算法面对训练集中完全不同的两张图片的时候，经常都会识别失败。“当图片的分布发生改变的时候，这种训练方法就一点都不好了。”汤晓鸥教授说到。

相反，他们用四个拥有不同图片的，完全不同的数据集来测试“高斯”算法。举个例子，其中一个数据集是著名的Multi-PIE数据库，它包含了

337个不同的物体，从15种不同的角度，在19种不同的光照情况下，分别拍摄4组图片。另一个数据库叫做Life

Photes包含400个不同的人物，每个人物拥有10张图片。

用这些数据库训练了算法后，他们最终让新算法在Labelled

Faces数据库上进行测试。目标是去识别出所有匹配和不匹配的图片对。

请记住人类在这个数据库上的表现是97.53%的精确度。“我们的算法已经超过99%的精确度，这也是识别算法第一次击败人类。”汤晓鸥教授说道。

这是一个令人印象深刻的结果，因为数据中的照片包含各种各样不同的情况。

汤晓鸥教授指出，仍然有很多挑战在等着他们。现实情况中，人们可以利用各种附加的线索来识别，比如脖子和肩膀的位置。“超过人类的表现也许只是一个象征性的成就罢了”汤教授说。

另一个问题是花费在训练新算法上的时间，还有算法需要的内存大小以及识别两幅图所需要的时间。这可以用并行计算和特制处理器等技术来加快算法的运行时间。

12.21日，深圳3W咖啡，汤晓鸥教授将现场为你解读人脸识别技术，敬请期待。