AI人臉識別系統有兩大用途

面部驗證——比如機場安檢的人臉識別，手機上的3D人臉識別，目的就是看你和身份證、護照上的人，是不是同一個人。

面部辨識——比如演唱會現場的安防系統逃犯識別，目的是從很多很多人中，找出目標。

AI是怎么在現場辨認出逃犯的呢？

首先，系統里已經存儲了目標任務的面部圖像。然后AI會像我們觀察、記憶一樣，從圖像中提取面部特征，并存儲在數據庫中。最后，也是最關鍵的一步，當有人經過安防系統，攝像頭捕捉面部圖像并輸入系統，AI會提取面部特征，和數據庫中的目標圖像做對比，相似度太高的時候——犯人就是你了！

拍照很簡單，兩張明確的照片放在一起，單純的讓人工比對也很簡單。

但，是什么讓AI在復雜的環境中，面對種種干擾，依然可以精確確認特征，快速批量的辨識比對，找出我們要找的人呢？

收到圖像后，AI需要先進行面部檢測——判斷輸入的圖像中，是否有人臉。

如果包含人臉，就定位人臉在整張圖像中的位置，并進行裁剪和對齊。

然后需要進行預處理，演唱會現場紛亂嘈雜，需要對圖像進行標準化，去除光照變化的干擾。

接下來，深度學習大展身手，進行特征值提取，找出圖像中可區分的特征，并降維來讓計算變得相對簡單，最終實現分類——將輸入的圖像確定為某一個人。

在測試中，AI使用深度學習的方法，辨識已經較準確，那些被抓捕歸案的逃犯，正是最好的證明。

這就足夠了嗎？

不！隨著人們的不斷研究，人臉識別的發展日新月異。一方面，安檢系統雖然大多還是采用監視攝像頭來捕捉圖像，但蘋果手機已經開始通過結構光激光散斑原理來獲取人臉3D圖像，更高級別的安監系統甚至會使用多傳感器圖像融合技術，將可見光和不可見光圖像都輸入系統。

更重要的是，隨著大數據和深度學習技術的發展，AI人臉識別系統已經能夠對一閃而過的動態人臉進行識別、分析和處理；對于戴帽子、帶墨鏡、戴口罩這種假裝明星出門妝的偽裝面部識別，雖然難度高，但通過對面部關鍵點的識別并結合深度學習方法，依然能夠找到有效途徑解決。

天網恢恢，疏而不漏，抓捕逃犯的“天網”系統，正是借助不斷發展的AI人臉識別技術，成為演唱會現場的“神捕”，精確找到每一個目標，讓罪惡無處遁形，默默的保護著我們每個守法公民。

除了天網系統，人臉識別其實也已經融入了我們日常生活的多個領域，為我們提供了舒適安全便捷的智能生活環境。