91精品国偷拍自产在线观看,欧美精品一区二区三区久久小说 ,亚洲精品热在久久久999,AV鲁丝一区鲁丝二区鲁丝三区

　在智能分析、生物識別等技術發(fā)展的背景下，近年來人臉識別技術已成為視頻監(jiān)控、智能家居、金融支付等行業(yè)的主要應用趨勢。隨著人工智能技術在各個行業(yè)的逐步應用和落地，由與技術革新相對應的人臉識別技術研究及標準化工作也受到了廣泛關注。本文將從國際人臉識別技術研究及標準化工作出發(fā)，探析國際人臉識別技術和標準化發(fā)展趨勢以及對我國人臉識別技術研究及標準化工作借鑒意義。一、國際人臉識別技術研究組織概述人臉識別技術是目前主流的人工智能算法落地應用之一。人臉識別算法按識別流程主要包括人臉圖像捕獲、預處理、特征提取、人臉比對、活體檢測以及人臉對抗檢測等方面。獲取的人臉圖像經過模型訓練實現人臉識別的過程稱為人臉視圖解析過程。人臉根據任務需求包括1:1人臉驗證、1:N人臉庫對比匹配和多張相同人臉進行人臉聚類。活體檢測是判斷當前視圖內人臉是否采用物理面具或者其他非真實人臉模具進行人臉識別。人臉對抗檢測是采用生成對抗樣本越過活體鑒別對人臉識別技術進行破防檢測。在國際主流人臉識別技術研究中，除人臉識別算法外，前端人臉數據增強、人臉數據加密存儲、行業(yè)內人臉識別管理技術也是國內外研究重點之一。國外人臉識別技術研究涵蓋院校和知名企業(yè)兩大類，主要通過組織或參加國際人臉相關類競賽獲得了巨大曝光度。舉辦競賽類學校和組織包括美國斯坦福大學、美國馬薩諸塞大學、美國華盛頓大學以及美國國家標準與技術研究院（NIST）等。我國科技類公司包括依圖科技、商湯科技、曠視科技、云叢科技都表現不俗，近年來一直處于競賽領先地位。國際上美國、法國、俄羅斯、立陶宛、加拿大、日本等國家院校和公司表現也十分搶眼。1.斯坦福大學美國斯坦福大學是最早研究人臉識別技術的院校之一。華人科學家李飛飛教授在2009年的CVPR上發(fā)表了論文《ImageNet: A Large-Scale Hierarchical Image Database》，次年開啟了連續(xù)數年的ImageNet挑戰(zhàn)賽，極大的推動了全世界人工智能行業(yè)發(fā)展。近期，斯坦福大學與Facebook旗下數據挖掘公司合作，采集100萬人臉數據根據人員的年齡、性別、種族、面部朝向和面部表情等因素進行識別，取得了較好的識別準確率。2.美國馬薩諸塞大學美國馬薩諸塞大學對人臉識別最重要的貢獻之一是開源了知名的人臉檢測數據庫FDDB和人臉識別數據集LFW。FDDB數據集是從Wild數據集面部拍攝的2845個圖像集中的5171個面部的注釋，數據集采用橢圓型人臉標簽。主要用于研究無約束人臉檢測問題的人臉區(qū)域數據集。評估方式包括長方形和橢圓兩種形式。LFW數據集包含13233張人臉圖像，涉及5749位全世界知名人士，其中1680人具有兩張或兩張以上不同場景下圖片，每張圖片采用統一尺寸，LFW數據集主要應用于非限制環(huán)境下的人臉識別。3.美國華盛頓大學2016年IEEE計算機視覺與模式識別會議（CVPR2016）上發(fā)布了由美國華盛頓大學計算機科學與工程實驗室維護的MegaFace基準數據集競賽初始結果。該數據集是繼LFW后首個百萬級人臉規(guī)模數據集，涉及690572個人員。測試規(guī)模是LFW的100倍以上，識別率研究提升難度更大。最早是由俄羅斯Vocord公司獲得第一名。4.美國國家標準與技術研究院（NIST）NIST是由美國商務部主管為美國工業(yè)和國防部提供測試技術的研究機構。主要負責美國國家計量基準與標準，參與美國標準化技術委員會制定標準等工作。其重要的一項人臉識別測試數據集是FRVT測評，由于其不對外開放數據只接受SDK評測，并且屬于相對獨立的第三方評測機構不受商業(yè)因素影響，因此在國際上具有一定的公正性。FRVT測評的特點不設置截至日期，定期開放不同企業(yè)提交的測試結果，可從測試精度、速度以及存儲、可靠性等各個算法進行評測。FRVT數據集主要涵蓋Child exploitation、Visa images、Mugshot images、Selfie images、Webcam images、wild images等數據集，測試較為復雜，挑戰(zhàn)性大。二、國際人臉識別技術研究發(fā)展趨勢隨著云計算、大數據、物聯網、人工智能等計算機科學技術的飛速發(fā)展以及人臉識別技術在實際應用領域的不斷拓新。全球人臉識別行業(yè)規(guī)模以非常高的速度增長。根據全球第二大市場研究咨詢公司Markets and Markets預測，新冠疫情后全球人臉識別市場規(guī)模將從2020年的38億美元增長至2025年的85億美元，預計期間復合年增長率（CAGR）約為19.0%。其中安防監(jiān)控、零售與電子商務、金融服務是推動市場增長的主要因素。同時，人臉識別類相關專利申請書也達到了1374件。隨著人臉識別技術的廣泛應用，一些新的技術不斷發(fā)展。國際上人臉識別技術的主要研究重點包括人臉識別基礎算法、芯片和傳感器。1.基礎算法技術基礎性研究可解決應用算法層面的瓶頸。人臉識別技術從最早的基于特征臉、幾何特征方法、支持向量機到深度學習算法，經歷了幾代的發(fā)展。在目前主流的深度學習算法中，基礎算法熱點包括深度學習模型結構設計、損失函數設計、特征加速等。模型設計的重點是權重少、計算小、速度快。如何設計高效的神經網絡是研究重點之一。損失函數設計是反映模型設計水平的評價指標之一，主要用于反饋訓練數據集的真實水平和具有合理的可求解梯度。目前，深度學習領域的兩個重要分支分別是設計強大復雜的網絡模型和高效穩(wěn)定的結果輸出。2.芯片研制人臉識別技術的發(fā)展得益于神經網絡技術的發(fā)展。而神經網絡技術依賴于大規(guī)模數據處理能力，也就是芯片算力。目前大部分人臉識別產品均采用通用芯片進行處理。由于人臉識別算法對算力資源要求較高，一般采用CPU、ARM等芯片進行視頻處理獲取人臉圖片。對獲取的人臉圖片進行人臉解析過程是人臉識別技術的關鍵，由于CPU對多任務處理能力效率低下，因此該過程一般采用專用處理芯片包括GPU顯示核心、FPGA現場可編程門陣列、ASIC專用集成電路、DSP數字信號處理等。2020年來，由于新冠疫情以及資源短缺，全球陷入芯片緊缺狀態(tài)，目前已從汽車行業(yè)蔓延到多數計算機產品行業(yè)。因此，突破芯片限制仍是目前國際上需要解決的重要課題之一。3.傳感器技術傳統的二維人臉識別技術已經取得了實戰(zhàn)性應用，但隨著信息安全技術的發(fā)展，活體檢測以及人臉對抗性攻防技術也是現在研究重點之一。而解決該類算法攻擊的重要途徑之一是采用更為復雜的前端采集傳感器，如基于3D結構光、雙目立體視覺和TOF技術的三維人臉采集和近紅外人臉采集傳感器。如常見的Iphone Face ID主要采用3D結構光技術，可應用于消費者行業(yè)，如人臉支付、新零售、智能物流等。
三、人臉識別標準化現狀1.人臉識別標準化國際組織概述人臉識別國際標準化方面，人臉識別標準化工作主要屬于 ISO/IEC JTC1/SC37的工作范疇，其重點關注人臉識別基礎標準，如圖示、圖標、符號、樣本質量等，以及數據交換格式及符合性測試方法等。其它國外關注人臉識別的先進組織包括IEEE消費電子協會（Institute of Electrical and Electronics Engineers，IEEE）、美國消費者協會（Consumer Technology Association，CTA）等，其關注的方向在于生物特征識別呈現攻擊檢測、人臉生物特征識別信息的性能評估等方面。ITU國際電信聯盟標準（International Telecommunication Union，ITU）與生物識別標準相關的工作組包括ITU-T SG17安全標準工作組下設的Q9和Q10。Q9主要關注在通信應用環(huán)境中應用生物特征識別及其標準化工作。隨著生物特征識別技術在電子商務、電子健康和移動支付領域中的廣泛應用，該工作組同樣關注生物特征數據的隱私保護、可靠性和安全性等各方面的挑戰(zhàn)。Q10關注身份管理架構和機制，部分標準項目與基于生物特征識別身份認證相關。近年來，ITU-T SG16媒體工作組基于視頻監(jiān)控、機器視覺等應用場景、功能需求、業(yè)務需求、性能需求以及安全需求，在Q12、Q21等課題組先后開展人臉識別標準的研究和制定。2.人臉識別標準制修訂概述人臉識別技術作為生物特征識別技術的分支，也是應用最普遍的生物特征識別技術，有眾多生物特征識別領域相關的標準可參考。ISO/IEC人臉識別國際標準統計情況見表1。表1 ISO/IEC國際人臉識別標準統計表