《近匠》Face++:漫谈人脸识别

人脸识别技术（face recognition）的发展从20世纪70年代开始兴起，是计算机视觉领域（computer vision）迄今为止最热门的研究问题之一。作为一种最易普及的生物特征识别技术，人脸识别的应用场景众多，其最传统的场景莫过于安防、门禁、监控领域。无论是在边检进出关的闸口，还是银行保险柜的安全门锁，都出现了人脸识别的身影。相较于传统的密码、证件、门卡等安全手段，人脸识别因为是一个天然的贴在脸上的“身份证”，具有极难伪造的属性,。因而，人脸识别的技术也一度被认为是可以取代所有账号和密码的新ID系统，如果再搭载上现在无处不在的监控摄像头，人脸识别技术似乎有希望构建起一套像小说《少数派报告》里的“天网”系统，每个人的行踪都将可以被精确掌控。这无疑是一个充满幻想的未来图景。此外，人脸识别技术作为大家最为熟知的生物特征识别技术，也可以承载很多未来的想象力及巨大的市场。作为人脸识别领域的老兵和移动互联网创业的新进者，Face++对这一行业有哪些思考？他们在技术上有哪些心得？带着这些问题，我们对Face++联合创始人印奇进行了专访。

CSDN移动：能否简单介绍一下你们团队？以及主要成员的从业经历？

印奇：我们是Face++团队，一群85后的Geek。公司三位创始人是清华大学时的同学，分别是我、唐文斌和杨沐。我从本科开始先后在MSRA(微软亚洲研究院)实习加全职共四年时间，研发了微软当时核心的人脸识别系统，被广泛应用在微软如X-box和Bing等产品中。后赴美国哥伦比亚大学攻读3D相机方向博士学位；唐文斌从初中开始参加信息学编程比赛，先后多次获得ACM，CodeJam等各类编程比赛的冠军，担任国家信息学竞赛总教练7年之久。清华研究生阶段，专注社交挖掘和图像检索；而杨沐则获得过国际信息编程奥林匹克比赛(IOI)金牌。参与多个开源项目，是一个“码力”超强的架构师，现在在团队Lead整个大规模并行系统的搭建。

Face++团队

CSDN移动：你们如何定位Face++的产品？这款产品可以为开发者带来什么？

印奇：Face++是一个技术服务的SaaS平台，面向的是广大开发者和企业级客户。我们希望通过最简单易用的方式把最牛掰的人脸识别技术提供给开发者，所以我们的Slogan是“Simplify Face Recognition”。在Face++平台上，我们提供人脸检测、人脸分析、人脸识别/搜索三大类技术，共27小项细分技术点。Face++现在的技术服务场景和客户主要有三类：1.手机硬件厂商，比如小米、美图手机。服务核心就是优化拍照、相册的体验和智能化；2.各类拍照和相册的App，如美图、Camera360、魔漫相机等；3.社交婚恋，提供人脸搜索让大家找到自己喜欢的妹子。以上都是线上互联网场景，我们正在通过智能硬件的方式，来解决线下如智能商业里的VIP识别和安防监控的场景。试想，如果每位顾客进店后，销售人员可以马上得知这位顾客是否是VIP，有哪些消费习惯，之前的消费记录如何，那一定可以提供更个性化的服务，提高转化率。

CSDN移动：你们对Face++人脸识别产品/技术的定位是什么？

印奇：Face++本身是一个技术服务平台，所以它的定位是面向开发者和企业级用户。我们通过搭建这样的平台，积累了人脸核心技术和大量的人脸数据，为我们的核心技术引擎的提升提供了源源不断的数据基础。通过这样的技术优势，我们会通过一体化的人脸识别产品在智能监控等领域做产品落地。

CSDN移动：目前，人脸识别这一市场的格局是什么？这一格局对公司的发展有哪些影响？

印奇：我认为这个市场可以分为线上和线下两部分。在线上，拍照、相册、图片分析、婚恋交友平台中，人脸（及其他图像识别）技术越来越重要，虽然现在很多还是Nice-To-Have的功能，不过未来比重会越来越大。线下的人脸识别市场本身就有非常巨大的刚需，特别是在各类监控场景。不过线下场景对于人脸识别的精度要求非常高，虽然人脸识别的概念已经出现了很多年，但迟迟没有真正进入普通用户的日常生活，究其原因还是技术仍在成熟的过程中，将人脸识别的精度做到接近100%仍然是一个未解的问题。同一个人人脸图片的变化其实其实是非常巨大的。人可以根据海量数据学习和综合分析判断大家是不是一个人，但对于机器视觉来说，数据量和综合分析都远远未达到人的水平，因而很多系统仍无法达到实际日常应用场景的需求。这一背景给了我们一个契机，让我们通过互联网和深度学习的方式真正把人脸技术做出突破。

人脸识别技术的最大难点在于同一个在不同场景下外貌变化巨大

CSDN移动：Face++的产品做了多久？什么时候推出的？

印奇：Face++这个平台是2012年初推出的，经历了三个大的版本迭代。

CSDN移动：针对上面提到的用户需求，你们在产品中具体做了哪些工作？

印奇：对于Face++这类技术平台型产品，核心点就是“技术好”和“容易用”。前者是我们的核心优势。而对于后者，我们则做了很多工作，包括简化API接口、开设讨论版、录制教学视频等。未来，我们会把“容易用”做的更好，比如我们打算推出一个名人搜索引擎，不光提供技术，还提供数据库。所以如果未来你想做一个与名人搜索相关的应用，用我们的接口几行代码就能搞定了。

CSDN移动：与早期版本相比，现在的版本有哪些不同？

印奇：现在的版本技术点更全、封装更易用，最重要的是不限调用次数，而且完全免费。

CSDN移动：可否介绍一下，典型的人脸识别系统是什么样子的？

印奇：当今的人脸识别系统虽然包含无数细节和各种工程技巧，但大的系统框架不外乎如下图所示的流程：一张人脸图片输入后，需要先找到人脸的位置（人脸检测），然后在这个基础上定位人脸关键点的位置（如眼睛中心或嘴角等），每个系统关键提取的数量相差很大，有的只有左右眼睛中心两个点，有的可能多达近百个点。这些点的位置一是用来做人脸的几何校正，即把人脸通过缩放、旋转、拉伸等图像变化变到一个比较标准的大小位置。这样待识别的人脸区域会更加规整，便于后续进行匹配。同时，现在的实际系统一般也都配有人脸光学校正模块，通过一些滤波的方法，去除一些对光照更加敏感的面部特征。在做完这些预处理之后，就是从人脸区域提取各种特征，包括LBP、HOG、Gabor等。最终相关的特征会连接成一个长的特征向量（Feature Vector），然后匹配出人脸的相似度，根据相似度的大小，系统会判定两张图片到底是不是一个人。不难看出，人脸识别技术还是一个系统链条较长，较为有技术门槛的领域。因为这条流水线的每个环节可能都会严重影响最终系统性能，所以一个好的人脸识别技术公司需要在各个环节上追求细节，建立自己的技术优势，最终才有可能在最后的人脸识别精度上有出色的表现。

人脸识别技术的技术流程图

CSDN移动：研发过程中遇到了哪些坎？怎么迈过去的？

印奇：研发过程中，核心还是服务的稳定性问题。随着我们调用量越来越大，因此要不断优化后台的系统架构。因为我们提供的是技术API，所以每个调用计算量都不小，在这方面，我们在系统层面做了不少针对性的优化。研发过程中，遇到过celery的不靠谱，重写，还遇到过API设计的不靠谱，重写了N遍，配合各种搞兼容性，花费了很多时间。各种共有云服务还是挺不稳定的，我们现在系统一崩就会有机制打电话给我们的手机，我们就需要连夜起来调。

CSDN移动：研发中主要用到了哪些开发工具，请具体谈谈对这些工具的使用心得，以及这些工具的特性。

印奇：因为我们对于系统效率要求很高，所以基本是团队自己裸写的。主要用了任务队列celery，不靠谱，团队自己写了个LWDQ（LightWeight Distributed Queue），数据库最终选择了MySQL+MongoDB混用。剩下的东西都是阿里云的（RDS，FS），还比较靠谱。

CSDN移动：目前，你们的盈利模式是什么？未来有哪些可行的盈利模式？

印奇：目前，我们的线上技术服务主要通过企业级技术License来获得收入。线下的一体化产品我们很快会推出，也会成为一个大的收入来源。

CSDN移动：对于未来，你们的发展方向是什么？这个领域是否会与我们今天看到的有所不同？

印奇：未来，我们会把人脸识别做深、做好，真正确立自己行业领导者的地位。同时，我们会从人脸拓展到更广的图像识别领域，还会基于我们在图像识别和深度学习方面的积累，推出新的图像识别平台。

---

【《近匠》Mixtile：跑在盒子中的嵌入式平台】《近匠》第33期：刘振宇与董迎军已经在硬件领域耕耘多年，他们希望将他们在硬件领域多年积累的技术经验和供应链资源共享出来，帮助更多Maker、硬件爱好者、硬件初创团队。因此，他们推出了Mixtile系列嵌入式平台。

【《近匠》秦时明月：知名IP光环下的生存之道】《近匠》第32期，《秦时明月》是一款根据同名漫画改编的手游，采用Cocos2d-x引擎开发者。知名IP为游戏带来了可观的首批用户，然而，在盛名之下，下一步该怎么走，是顶着知名IP光环的游戏团队需要深思的。

【《近匠》透镜：代码级定位，让App性能监控更从容！】《近匠》第31期，当出现性能问题时，透镜系统能够实时告诉你哪里出了问题，是用户端的问题还是网络的问题，是服务器的问题还是数据库的问题，甚至能够做到代码级的定位，到底是哪行代码写的不好导致应用性能的下降。

回顾更多内容，及线下开发者活动信息，请关注mobilehub公众微信号（ID: mobilehub)

寻求《近匠》免费报道，请私信：@CSDN移动，或发送邮件至mobile#csdn.net。