98.52% vs 97.53%：人脸识别算法终于超过了人类本身
英文原文： The Face Recognition Algorithm That Finally Outperforms Humans
计算机科学家已经开发出一种新的人脸识别算法，在识别人脸的能力上比人类本身更加强大。
我们每个人都有过认不出某个自己曾经认识的人的经历，在不同的姿势、光照和表情下，这其实是一件比较困难的事情。计算机识别系统同样存在这些问题。事实上，尽管全世界的计算机科学家努力了这么多年，还是没有任何一种计算机识别系统在识别人脸方面能够像人类一样强大。
但这并非是说人脸识别系统不够准确。恰恰相反，最好的人脸识别系统在理想情况下比人类识别的表现要好的多。但是一旦环境情况变糟，系统的表现就差强人意了。而计算机科学家们当然是非常想要开发出一种算法，在各种情况下都能够表现优异。
现在，香港中文大学的汤晓鸥教授和他的学生路超超（对不起，译者没有找到这名学生的名字，只能音译了）宣布他们攻克了这个难题。他们开发了一种叫“高斯”的人脸识别算法首次超过了人类自身。
新的识别系统对于各种平台都能够提供人类级别的识别能力，从手机到电脑游戏中的人脸识别，从安全系统到密码控制等等。
任何一个人脸自动识别程序，首先要考虑的就是去构建一个合适的数据集来测试算法。那需要一个非常大范围的，各种各样的，带着各种复杂动作、光线和表情的，不同脸的图像，各种人种、年龄和性别都要考虑在内。然后还要考察服装、发型以及化妆等其他因素的影响。
比较幸运的是，已经有这么一个拥有各种不同人脸的标准数据库——Labelled Faces。它拥有超过 13,000 张不同人脸的图片，它们是从网络上收集的 6000 个不同的公众人物。更重要的是，每个人都拥有不止一张人脸图片。
当然也存在其他的人脸数据库，但是 Labelled faces 目前是计算机科学家们所公认的最具参考价值的测试数据集。
面部识别的任务是去比较两张不同的图片，然后判断他们是否是同一个人。（你可以试试看，能否看出这里展示的每对图片是否是同一个人。）
人类在这个数据库上的表现可以达到 97.53% 的准确度。但是没有任何一个计算机算法能够达到这个成绩。
直到这个新算法的出现。新的算法依照 5 点图片特征，把每张脸图规格化成一个 150*120 的像素图，这些特征分别是：两只眼睛、鼻子和嘴角的位置。
然后，算法把每张图片划分成重叠的 25*25 像素的区域，并用一个数学向量来描述每一个区域的基本特征。做完了这些，就可以比较两张图片的相似度了。
但是首先需要知道的是到底要比较什么。这个时候就需要用到训练数据集了。一般的方法是使用一个独立的数据集来训练算法，然后用同一个数据集中的图片来测试算法。
但是当算法面对训练集中完全不同的两张图片的时候，经常都会识别失败。“当图片的分布发生改变的时候，这种训练方法就一点都不好了。”超超和晓鸥说到。
相反，他们用四个拥有不同图片的，完全不同的数据集来测试“高斯”算法。举个例子，其中一个数据集是著名的 Multi-PIE 数据库，它包含了 337 个不同的物体，从 15 种不同的角度，在 19 种不同的光照情况下，分别拍摄 4 组图片。另一个数据库叫做 Life Photes 包含 400 个不同的人物，每个人物拥有 10 张图片。
用这些数据库训练了算法后，他们最终让新算法在 Labelled Faces 数据库上进行测试。目标是去识别出所有匹配和不匹配的图片对。
请记住人类在这个数据库上的表现是 97.53% 的精确度。“我们的“高斯”算法能够达到 98.52% 的精确度，这也是识别算法第一次击败人类。”超超和晓鸥说到。
这是一个令人印象深刻的结果，因为数据中的照片包含各种各样不同的情况。
超超和晓鸥指出，仍然有很多挑战在等着他们。现实情况中，人们可以利用各种附加的线索来识别，比如脖子和肩膀的位置。“超过人类的表现也许只是一个象征性的成就罢了”他们说。
另一个问题是花费在训练新算法上的时间，还有算法需要的内存大小以及识别两幅图所需要的时间。这可以用并行计算和特制处理器等技术来加快算法的运行时间。
总之，精确的人脸自动识别算法已经到来了，而且鉴于现在的事实，这只会更快。
