雷鋒網按:2020年,基于福州市“e 福州”平臺架構及資源基礎,福州市建立起城市級人臉識別公共服務平臺,在此平臺上建設“地鐵刷臉通行”應用場景,及其他五個拓展試點應用場景(校園刷臉點名、醫院刷臉取號、圖書館刷臉借書、政務服務刷臉取號、園區企業刷臉考勤),并將逐步拓展至生活服務、社區管理、城市管理等其他人臉識別應用。

這是全國首個城市級人臉識別公共服務平臺。那么,城市級別的人臉智庫是什么概念?全國首發背后有何奧秘?

「別墅」是如何搭建成功的?

在技術層面已非常成熟的人臉識別讓刷臉應用無處不在,然而為什么地鐵層面的應用一直未能真正普及?

地鐵刷臉,并非只是人臉識別的問題,它是人臉智庫容量及承載能力、快速反應、實地環境,支付安全、工程能力等諸多因素的龐大系統問題,遠非滿足人臉識別技術所能解決。

城市級地鐵刷臉項目,更是一場技術與落地能力的綜合大考核,放眼AI界,能輕易通過這種考核的并不多見,依圖算一個。

縱有萬難,依圖依然呈現出一份理想照進現實的驚喜,細究,雷鋒網AI掘金志發現,依圖將冗雜問題細化成四個部分,逐一擊破。

人臉識別準確率如何確保?

支付安全如何保障?

通行速度如何更快?

光照變化如何解決?

如何實現?我們一一來看。

第一個千萬

最基礎、核心的問題,閘機是否會識別不出或誤識別。

回答這個問題要先理解人臉識別三大應用模式。

1:1,終端設備將用戶事先注冊的照片與臨場采集的照片做對比,判斷是否為同一人,可以簡單理解為證明你是你,手機人臉解鎖、人臉支付都屬于1:1核驗。

1:N,系統采集了“我”的一張照片之后,從海量的人像數據庫中找到與當前使用者人臉數據相符合的圖像進行匹配,找出來“我是誰”,如小區門禁、考勤。

M:N,是通過計算機對場景內所有人進行面部識別并與人像數據庫進行比對的過程。

M:N模式中,N的人像數據庫要足夠大,才能實現M中任一人臉的精準快速識別,因識別基數大、人臉數據庫源壁壘、圖像采集受環境影響等因素,使M:N模式難度大、要求高,且可能產生較高的錯誤率。

由此,1:N模式成為地鐵刷臉項目首選,但即使是“退而求其次”的選擇,門檻也非比尋常。

地鐵的日客流量經常達百萬次,如果把地鐵刷臉項目當作建房子,N即是城市級統一的高質量人臉庫,這是地基;連接的運營系統有能支撐千萬量級底庫的能力,則是房子的鋼筋骨骼;專用傳感器則為磚塊。

滿足以上條件后,這房子還沒通電:缺一個超高識別率。國家標準為95%以上,但實際落地中,這個數據造成的誤識別率對地鐵而言難以接受,而極高的識別率背后是極高精度的算法。

除此之外,還需并同軌交業務系統進行深度融合和工程優化。

以上條件缺一不可,解決一個識別問題尚且存在如此高門檻的硬性指標,誰有這般實力?答案是:依圖。

作為業界第一個具備提供千萬量級底庫能力的AI公司,依圖是最早面向公共服務及民生領域承建統一城市級人臉識別平臺的公司。這次在福州“荷槍實彈”的落地應用,依圖也為業界劃出了一條基準線:城市級的人臉識別應用,千萬底庫才是起點。地基打好,鋼筋水泥已筑;識別精準率方面,依圖已將這一指標提升到了接近極限的水平,即在千萬分之一誤報下的識別準確率已經接近 99%,電力就位;

在依圖的“第一個千萬”中,支持百萬級日通行量,一百萬人次比對誤識率小于1,日客運量百萬人次時刷臉通行的日比對次數將達到萬億次以上,做到萬億分之一的誤報率。

有人會問,外地人搭乘地鐵怎么辦?

福州選擇雙管齊下。一方面,通過“市級人口信息庫+周邊城市人口信息庫”組合的方式,最大限度提高數據庫覆蓋率;另一方面,擴容未注冊的外來人口,用極簡步驟引導乘客在刷臉過閘時注冊并錄入信息。

最安全

第二大難題則是支付安全。在現今無法達到100%識別率情況下,如何最大程度保證安全是各個刷臉應用的難題。

算法立命的依圖祭出拿手武器:“高精度算法+自監督學習+在線學習算法”相結合策略:最小化失誤率,最簡化追補程序,持續優化算法。

支付流程的首要問題依然是技術,具備萬億級人臉識別算法水平的依圖,在支付時使用高精準度的算法,結合了全場景風控預防差錯,將人臉識別錯誤率降至極低水平,比如,日均百萬通行時誤識率降至個位數。

對于“個位數”誤識別的補救,系統采用的是單邊交易,故而不會出現交叉扣費,方便乘客申訴退回金額。

上述方案已不失為一種解決方法,依圖追求的并非“不失為”,而是“絕對”,為了完善乘客免拿手機或卡這一小步,依圖精益求精,意圖從根源解決問題。

一則,“自監督學習+在線學習算法”賦予系統自我學習和糾錯能力,比如,可以主動事后質檢機制發現錯誤,結合客服反饋,對差錯交易進行修正和補償。二則,利用每天刷臉用戶的情況自動優化算法模型,解決容貌變化帶來的影響。這套策略下的系統刷得越多,精度越準。

最快的通行速度

現今普遍的通行方法:刷卡和二維碼,卡易丟失,忘帶,損壞,并且退換卡麻煩;二維碼在高峰時段容易網絡擁堵,二維碼打不開,造成人員擁堵。

“更快”、“更順滑”是人們對刷臉的隱形期待,也是硬性要求。

依圖刷臉識別帶來的速度和體驗可稱之為質的提升:1分鐘45人的“瞬間”過閘體驗。

這個過程可以解釋為:毫秒時間內在千萬智庫內精準搜出一張照片,并與系統、閘機聯動。

依圖憑什么?憑其人像識別比對系統可在秒級內完成單張人像查詢億級數據庫后返回精準結果的超強算法;憑其超高的性能、效能與超低功耗的芯片提供的強勁算力;憑其系統間工程高度融合的能力。

極致體驗,說到底是極強的算力、極快的算法,是極優的端到端方案閉環加上工程融合能力,承載這系列能力的結果是,依圖做到業內最快最準。

具體來說,一層,提供專用設備、平臺,并和地鐵原系統做好對接優化,因此前端設備感知極快、平臺比對響應快、同軌交業務系統間的通信快;一層,優化AI算法能力,采用高可用的云計算和微服務架構,最大程度提升人臉活檢、檢測、比對等環節響應速度。兩個層面交互融合,從而實現系統間響應速度和超大吞吐量。

光線不再是問題

光線一直是實地識別中是無法規避的現實問題,地鐵車站的光線環境本就不完全統一,且每個閘機口的光線隨時間變化。

各車站光線環境不一下規模化部署下已非易事,另外還需考慮單個車站的光線變化。一面是規模化部署的特性,一面是光線隨時間變化的屬性,規模化工程如何滿足個體特性變化需求?

依圖答:紅外+可見多模態識別算法實現活檢。

紅外線解決夜間光線不足,增強夜間場景識別能力,配合多模態識別算法,地下、地上、半地下、白天、夜晚,在不同光線條件下,都能在保障識別精度前提下,解決不同站點光照變化對于識別性能的影響。

其實,刷臉只是其中一個層面,整個系統是包含客訴處理、流程監控、數據管理、運維監控在內的完整業務閉環。

圓谷辛吉德跑道上的身影

早在2019年12月,依圖就在貴陽全城地鐵站上線刷臉乘車功能,彼時此功能是全球首次在城市公共交通領域正式運行,且全線路、全通道刷臉無感支付。

技術上依圖一直處于領跑地位。

多次在世界頂尖人臉識別比賽中盤踞榜首,又將觸手伸向最火熱的ReID領域,近日宣布用AutoML取代人工調參,深度優化ReID算法框架,算法性能達到業界迄今最高標準。

在AI落地時代,玩轉算法的依圖“折騰”起芯片,定義“算法即芯片”,逐漸擴展為一個軟硬一體化的公司,在AI下半場對客戶、項目、市場的比拼中,依圖的算法、芯片能否在落地中發揮最大效益,取決于依圖是否具有自我造血能力和擴張能力。

目前來看,依圖是一個被“自我驅動”包裹的企業,哪怕只為提高一秒的時間,哪怕只為增添一分的便利,也以一百分的姿態投入。那些以十分的意志,尋求十二分的成長可能的企業,會永遠跑在圓谷辛吉德跑道,跑在自我訓練的途中,會在技術與落地中不斷自我進化中繁衍出鮮活的果實,反哺其根基。而技術日精月進、落地穩扎穩打、被資本看好的依圖,未來是否會帶給我們更多驚喜?

您可以復制這個鏈接分享給其他人:http://www.31huabai.com/node/843