大數(shù)據(jù)文摘出品

　　來(lái)源：venturebeat，編譯：大萌、錢天培

　　隔墻認(rèn)人，聽起來(lái)很玄乎。其實(shí)可能只用分兩步：

• 第一步，隔墻收集熱圖；
• 第二步，根據(jù)熱圖特征識(shí)別人臉。

　　那么問題來(lái)了，熱圖像是否可以提供足夠的信息，使 AI 模型可以識(shí)別人臉特征呢？

　　最近，英特爾和哥但斯克工業(yè)大學(xué)的研究人員給出了答案，并在第 12 屆國(guó)際人機(jī)交互會(huì)議期刊(International Conference on Human System Interaction)上發(fā)表了成果。在這一研究中，他們?cè)谄胀梢姽鈭D像訓(xùn)練出的模型的基礎(chǔ)上，將訓(xùn)練數(shù)據(jù)替換為熱圖像進(jìn)行了再訓(xùn)練。

　　在需優(yōu)先考慮或要求保護(hù)隱私的情況下，熱圖像經(jīng)常用來(lái)替代 RGB 圖像，例如在醫(yī)療設(shè)備的使用中。這是因?yàn)闊釄D像能夠模糊人體特征，例如眼睛顏色或下頜輪廓。

　　所以， 熱圖到底夠不夠模糊呢？

　　研究團(tuán)隊(duì)采用兩套面部熱圖像數(shù)據(jù)集，第一套 SC3000-DB 數(shù)據(jù)集是使用 Flir ThermaCam SC3000 紅外熱像儀拍攝的，共包括 40 位志愿者的 766 張圖片，志愿者由 19 名男士和 21 名女士組成，他們被要求坐在相機(jī)前兩分鐘。

　　第二套數(shù)據(jù)集是俄克拉荷馬州立大學(xué)數(shù)據(jù)計(jì)算和圖像處理實(shí)驗(yàn)室的 IRIS 數(shù)據(jù)集，該數(shù)據(jù)集包括 30 個(gè)志愿者的 4190 張圖片，其中許多志愿者移動(dòng)了頭部或擺出了不同的面部表情。

　　研究人員首先使用機(jī)器學(xué)習(xí)模型對(duì)圖片進(jìn)行剪切，只保留面部部分。接著使用另一個(gè)模型來(lái)從圖像中提取面部特征并將特征轉(zhuǎn)換為特征向量（為每一個(gè)特征設(shè)定數(shù)值）。最后，采用利用可見光圖像訓(xùn)練的第三個(gè)模型驗(yàn)證這種模型是否可以應(yīng)用于熱圖像。

　　在實(shí)驗(yàn)過(guò)程中，研究人員對(duì)比了兩個(gè)面部的特征向量：一個(gè)是用于識(shí)別人的特征向量，另一個(gè)是基于人的輪廓與輸入圖片相似性的特征向量。

　　結(jié)果發(fā)現(xiàn)用可見光圖像訓(xùn)練的模型能夠很好的泛化到熱圖像應(yīng)用中，模型能夠成功提取面部特征，并分別以99. 5% 和 82.14% 的準(zhǔn)確率分辨了 SC3000-DB 數(shù)據(jù)集和 IRIS 數(shù)據(jù)集中的志愿者。

　　研究團(tuán)隊(duì)希望該研究可以擴(kuò)展應(yīng)用到不同場(chǎng)景產(chǎn)生的圖像中，例如頭部水平或垂向轉(zhuǎn)動(dòng)的圖像。

　　論文中還評(píng)論道，許多有前景的視覺處理應(yīng)用（例如非接觸式生命體征估計(jì)和智能家居監(jiān)控）可能涉及私人或敏感數(shù)據(jù)，例如關(guān)于人體健康的生物體征信息。之前人們普遍認(rèn)為，熱圖像能夠在提供有用信息的同時(shí)保證個(gè)人隱私，因此它才能夠被廣泛用于這些應(yīng)用當(dāng)中。

　　然而，這一研究無(wú)疑會(huì)讓人們開始重新考慮熱圖的安全性。

總結(jié)

以上是生活随笔為你收集整理的这不就可以隔墙认人了么？英特尔最新AI根据热图像识别人脸的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。