人脸识别机器人并不遥远

       中国国际警用装备网讯：人工智能及机器人离现实生活越来越近了，这从人才的流向便可窥探一二。仅在2016年，就有数名知名的学界学者接二连三加盟业界，如李飞飞、RuslanSalakhutdinov、YoshuaBengio等。学界与业界的密切合作，将对人工智能和机器人的产品商业化落地有极大帮助，同时企业界应用数据的积累也将推进学界技术探索的进程。

　　对于学界与业界双向合作，世界顶尖的人工智能研究者、悉尼大学教授陶大程持肯定态度。值得注意的是，陶大程所从事的计算机视觉、机器学习研究正推动着人工智能及机器人的发展。不断突破的研究成果使他获得了澳大利亚科学最高荣誉尤里卡奖等权威奖项，并当选IEEEFellow和欧洲科学院院士。从人脸识别到多角度学习，从人工智能及机器人的商业化到对技术奇点的看法，在陶大程的讲述中，人工智能及机器人的发展状况被勾勒得更加清晰。

　　在人工智能诸多领域中，普通人可能有感性认识的就是人脸识别领域，而各大科技公司近年来纷纷组建人脸识别小组，并以此为切入点布局人工智能。人脸识别，恰恰是陶大程研究多年、屡获国际大赛奖项，并实现了突破的主要研究方向。

　　人脸识别是帮助机器人识别人类，从而进阶人机交互、协同合作的一个开始。陶大程提到，一方面，人形机器人可通过人脸识别使其更好地与人交互、融入家庭，另一方面则可以通过集成人脸识别功能用于人员搜索。

　　不过，人脸识别技术仍然存在着不小的挑战。“最大的困境在于人脸识别算法本身的鲁棒性不足”。即当前较死板的算法缺乏灵活性及想象推理的能力，且对外部如光照、遮挡等因素变化的应对能力不足。机器人人脸识别面临的挑战还更为独特，如运动状态导致人脸细纹丢失以及对实时性更高的要求。

　　陶大程团队的研究实现了突破，他们通过测量5个在不同环境中变化极小的“突出而稳定”的面部特征点来进行人脸识别。结果显示无论你做出悲伤或快乐的表情，还是室内或室外不同拍摄环境而造成光线的不同，这五个点都能保持较高的稳定性。这有助于提高人脸识别的鲁棒性。

　　针对机器人，陶大程团队则提出了基于CNN的模糊不变特征学习方法，很好地解决了图像模糊对人脸识别的影响；同时，他们提出了主干分支集成网络的人脸识别模型，在提高了对姿态变化鲁棒性的同时，还有效保证了识别算法的实时性。

　　应用这些技术，陶大程团队在2016PaSC的人脸识别比赛中以绝对的优势获得了第一名。根据比赛组织者的评估，他们的算法达到了和人类视觉系统一致的性能。

　　“机器视觉发展已经历多年时间，人脸识别的发展时间最长”，而深度学习的应用，使得人脸识别的识别率从过去的20％－50％提高到了90％以上。技术的不断提升并部分达到实用水平展现出了巨大的市场前景，这是国内外众多科技公司选择人脸识别作为主攻方向的一个重要原因。

　　“人脸识别很可能仅需一年就能够在机器人身上得以体现”，陶大程如是说。

　　人脸识别还只是第一步，让机器更智能，更好地识别人类并且发展到能学习、模仿和创造，还需要做很多努力，这就包括多视觉学习、人体姿态估计、行为分析等。人体姿态估计能够帮助机器人在家庭中感知人的行为，而行为分析则结合了场景，能帮助机器从视频中识别出一个人的行为或者多个人一起参与的行为，例如一个人在游泳，多个人在踢足球。通过多角度学习，机器人能够愈发精准地理解一个事物、一个事件。

  新闻稿件欢迎直接联系：QQ 34004818 微信公众号：cpsjyzb

相关阅读

• 日本男子因非法持有电磁线圈枪被捕
• 无人机的新克星：国产高功率微波武
• 铁路智能安检系统：高效精准护出行
• 以新技术装备为支撑 高水平推进公
• 冰城公安：多维立体防控织密街面“
• 大哥别笑二哥，美军一样防不住

0 条评论

• 还没有人评论过，赶快抢沙发吧！