作為人工智能技術(shù)的重要分支，人臉識(shí)別可謂是紅透半邊天，在安防領(lǐng)域，更是多次協(xié)助相關(guān)部門(mén)進(jìn)行緝逃、偵查、尋找走失人口等工作。當(dāng)下，人臉識(shí)別技術(shù)99%的識(shí)別準(zhǔn)確率早已不是什么大新聞，各公司算法間準(zhǔn)確率的差異僅僅體現(xiàn)在小數(shù)點(diǎn)上，技術(shù)可以說(shuō)已經(jīng)較為成熟。 　　

在此背景下，配合帶有深度學(xué)習(xí)計(jì)算能力的前后端硬件，開(kāi)展前端數(shù)據(jù)的大量訓(xùn)練，才能實(shí)現(xiàn)產(chǎn)品和解決方案的落地。 　　

泛化能力成為人臉識(shí)別發(fā)展的瓶頸 　　

人臉識(shí)別技術(shù)長(zhǎng)期面臨著一個(gè)問(wèn)題，即算法的泛化能力，這也是現(xiàn)階段應(yīng)用的主要瓶頸。 　　

比賽中表現(xiàn)良好的模型在面對(duì)實(shí)際應(yīng)用中千變?nèi)f化的場(chǎng)景時(shí)，性能也會(huì)明顯下降，尤其是無(wú)約束人臉識(shí)別，人臉往往有很多遮擋、光線不均勻的情況，表情、像素也不一樣，面部姿態(tài)變化巨大，且還有靜態(tài)和動(dòng)態(tài)之分，算法限制很高。 　　

因此，為推動(dòng)人臉識(shí)別技術(shù)落地，往往會(huì)對(duì)場(chǎng)景進(jìn)行嚴(yán)格定義，或者將算法定位為對(duì)指標(biāo)不敏感的輔助功能。實(shí)際應(yīng)用中，人證對(duì)比、人像采集等都需要設(shè)立具體的工程安裝方案。不過(guò)，盡管這一做法推動(dòng)了人臉識(shí)別技術(shù)的落地速度，但會(huì)造成較高的成本，影響人工智能算法對(duì)傳統(tǒng)應(yīng)用的滲透，也限制了獲取信息的效率，不利于算法指標(biāo)進(jìn)一步提升。由此看來(lái)，人臉識(shí)別算法在實(shí)際應(yīng)用過(guò)程中也有碎片化的特點(diǎn)。 　

人臉識(shí)別應(yīng)用碎片化需求如何解決? 　　

針對(duì)人臉識(shí)別技術(shù)碎片化的應(yīng)用需求，軟件的價(jià)值逐漸顯現(xiàn)出來(lái)。相比硬件，軟件具有高擴(kuò)展性，尤其是在對(duì)接用戶個(gè)性化需求方面，具有短、平、快的應(yīng)用優(yōu)勢(shì)，客戶可以按需定制，滿足個(gè)性化需求?！败浖x”有望成為AI安防發(fā)展的重要推手。 　　

除此以外，為推動(dòng)人臉識(shí)別技術(shù)應(yīng)用，安防行業(yè)龍頭?？低曂瞥隽薃I開(kāi)放平臺(tái)，據(jù)悉，該平臺(tái)擁有場(chǎng)景化的AI開(kāi)放能力，只需基于少量數(shù)據(jù)，就能快速生成足以滿足需要的應(yīng)用，應(yīng)用上線后再疊加新的數(shù)據(jù)做增量訓(xùn)練，從而實(shí)現(xiàn)算法的迭代與優(yōu)化。值得一提的是，AI平臺(tái)的開(kāi)放可以吸引眾多開(kāi)發(fā)者，進(jìn)而推出更多適合碎片化需求的應(yīng)用，而更多類型的應(yīng)用會(huì)吸引更多的客戶，更多的客戶又會(huì)反過(guò)來(lái)促使平臺(tái)吸引更多的開(kāi)發(fā)者，形成良性循環(huán)。人臉識(shí)別作為AI領(lǐng)域的重要技術(shù)，也將會(huì)隨之進(jìn)一步發(fā)展。 　　

結(jié)語(yǔ)：目前，人臉識(shí)別技術(shù)基礎(chǔ)和產(chǎn)品化已經(jīng)較為成熟，因此下一階段的命題就是如何系統(tǒng)化規(guī)模部署。不過(guò)，挑戰(zhàn)與機(jī)遇并存，人臉識(shí)別仍然面臨算法場(chǎng)景局限大的難題，能夠在多大程度上解決這一問(wèn)題，從而降低部署成本、開(kāi)發(fā)深度應(yīng)用，關(guān)系著人臉識(shí)別產(chǎn)品和方案能否真正在實(shí)際場(chǎng)景中落地生根。