在近期的IEEE计算机视觉应用冬季会议上 ， 美国陆军研究实验室的研究人员利用卷积神经网络和一系列算法 ， 能够在黑夜中进行人脸识别 。 目前 ， 该技术的识别准确率超过了80% 。
人脸识别我们已经不陌生 ， 从手机上的面部解锁 ， 到机场使用的扫脸登机系统 ， 人脸识别技术已经开始慢慢进入到人们的日常生活中 ， 同时 ， 人脸识别技术也被用于警察执法与安防 ， 2018年春节 ， 郑州铁路警方使用的警务眼镜据称已经配备面部识别功能 ， 并帮助警方抓获七名嫌犯 。
人脸识别从技术上来说 ， 大致要经过几个流程 ， 首先要获取图像 ， 然后对图像中的特征进行提取 ， 再将待识别人脸所提取的特征与数据库中的所有图像进行匹配 ， 以回答“这是谁”的问题 。 这个过程在白天光照充足的情况下 ， 运行良好 ， 然而 ， 在夜晚 ， 没有光照或者光照不足的情况下 ， 人脸识别变得困难 。
利用普通摄像头 ， 无法获取人脸信息 ， 在夜间只能利用红外成像技术 ， 获取红外图像 。 但是由于成像方式不同 ， 使得同一个人的可见光图像和红外图像存在很多差异 ， 如何实现红外人脸图像与数据库中保存的可见光图像比对与验证？这是美国陆军研究实验室希望解决的问题 ， 解决了这个问题就可以实现7×24小时 ， 不受光线影响的进行人脸识别 ， 对在逃嫌疑人进行实时监测 。
从红外图像到可见光图像
在电影《铁血战士》里 ， 施瓦辛格跳进水里将自己的温度和周围保持一致 ， 试图遮蔽自己的红外信号源 ， 避免热成像仪的侦察 。 红外热成像 ， 根据热力学零度以上一切物体都在发射红外线的原理 ， 通过感应红外线然后呈现出肉眼可见的图像 ， 红外热成像仪 ， 能够探测人身体本身散发的热辐射 ， 根据不同部位温度的差异形成图像 。
在漆黑一片的环境中 ， 红外热成像仪能够“看到”任何有温度的物体 ， 美国军方的夜视仪几乎都应用了红外热成像技术 。 目前 ， 红外热成像设备已经被广泛的部署在美国军方的航空器、地面车辆、瞭望塔以及检查站中 。 就在最近 ， 红外相机已经成为可穿戴式设备 。
利用这些红外成像设备 ， 在夜间进行自动化人脸识别 ， 实时发现监控名单中的可疑人员 ， 进行抓捕 ， 是美国军方的切实需要 。
然而 ， 红外人脸图像反映的是人脸的温度分布 ， 红外人脸图像中人脸器官的边缘轮廓和细节特征都比较模糊 ， 与可见光成像差别很大 ， 两者之间的比对难度较大 。
左：红外成像人脸 右：可见光成像人脸
美国陆军研究实验室Benjamin S. Riggan提出了一种新的图像合成方法 ， 利用卷积神经网络以及一系列算法 ， 将红外人脸图像合成为可见光图像 。 在给定的红外面部图像中 ， 首先利用卷积神经网络从整体和局部提取特征 ， 接下来 ， 从提取出的特征中预估对应的可见光图像 。 最终 ， 通过局部和全局的优化 ， 产生一个合成的可见光图像 。 合成后的图像 ， 并不是一张完美的可见光图像 ， 它看起来更像是一幅“素描” 。
运用卷积神经网络的图像识别流程
通过这幅“素描”是不是真的可以与数据库中的图像进行比对和验证呢？研究人员选取了一个数据库 ， 其中包含来自60个人的可见光面部图像和红外面部图像 ， 其中30人的图像用于训练神经网络 ， 其它30人的图像用于验证 ， 结果表明 ， 采用了这种方法后 ， 人脸识别的正确率均高于80% 。
而由于这种方法可以将红外人脸图像转换成可见光图像 ， 再进行识别 ， 因此并不需要对原来已经存在的人脸识别系统进行定制化改造 ， 也不需要软硬件的更新换代 。
推荐阅读
- 美国有多少个州和市
- 美国企业成本高企 中国智能仓储迎来发展机遇
- 中国军方正开发AI无人潜艇：能自主行动避免侦测
- 智能水下机器人首次探秘“地球眼泪”
- 外媒：业内人士称中国在AI与机器人方面仍落后美国
- 为何说成立五角大楼AI中心是美国AI战略的一大步
- 智能道路成新技术宠儿 美国还在研发中国已实践
- 在iPhone XS上能用AI做些什么？
- 麦肯锡：美国与中国人工智能技术研发全球领先
- 自动驾驶帆船首次横渡大西洋