2014年7月15日,韩国首尔,2014韩国小姐选美比赛落下帷幕,22岁女大学生KimSeo-yeon摘得桂冠。
2014年韩国小姐冠军
2013年初,英国《经济学人》杂志调查显示,在韩国,每1,000名人口进行过13.5次整形手术,其中包含一人接受多次手术的情况。其后依次是希腊(12.5次)、意大利(11.6次)、美国(9.9次)、哥伦比亚(7.9次)等。
据传,韩国某著名整形美容外科医生曾说,每年的韩国小姐评选都会让忙上很长一段日子。绝大多数选美候选人都会去做些小手术,每年百分之八十的选美者是通过他的手术刀变得完美,有时甚至前三名获奖者都出自他手。
2014韩国小姐前三名
何谓整形?
从临床学角度来说,容貌及面部轮廓之所以被影响。主要的因素就是是硬组织和软组织结构的形态。所谓硬组织就是骨骼,对面部轮廓影响最为明显的是下颌角、颧骨等。软组织包括皮肤、肌肉、皮下脂肪、颊脂垫、咬肌等。瘦脸术实际就是通过对软、硬两种组织的高度及厚度的调整,来达到修复面部轮廓的主要目的的。通过美容手术来修整、重塑脸型是最直接有效的手段,针对不同的脸型和要求可以选择不同的面部整形方法。
脸部整形前后对比图
脸部整形分类
包括鼻部整形(隆鼻手术、鼻头鼻尖整形手术、畸形鼻矫正手术等),眼部整形、脸部整形、耳部整形、皮肤整形几种,眼部整形包括双眼皮手术、去眼袋手术、内眦赘皮矫正术、开眼角手术等,而面部的整形包括下颌角整形、咬肌整形、颊脂肪垫整形、下巴整形、颧骨整形等等,耳部整形包括畸形整形和耳部再造等,皮肤整形则多为皱纹去除、嫩肤去斑等等。
人脸识别技术
人脸识别与人们熟悉的指纹识别,都是生物特征识别技术。由于视频监控正在快速普及,在众多的视频监控技术当中,人脸识别技术是一种远距离、用户非配合状态下的快速身份识别技术,可以从监控视频图像中实时查找人脸。与指纹相比,人脸识别不需要被识别者在设备前停留、触摸,人只要经过某处,摄像头就会将人脸拍摄下来,适合在公共场合特别是人群聚集处使用。也就是说,在人流量集中的进站口、出站口、检票口等地,该系统通过监控的摄像头就可移动抓取旅客的脸相。
目前已经被应用于高铁北京站的视频监控系统中的脸部识别技术,在拍摄到视频图像后,会把视频中的人脸与人脸数据库进行实时比对,从而实现快速身份识别,实现智能预警。系统对人像提取是以编码排序,如果只是对脸部进行小范围的整容修复,如剌双眼皮、垫鼻梁等,系统在辨认上不会受任何影响。
业内人士透露,现在有的人脸识别技术在抓取出人脸后,会把焦点对准眉骨到下颚这一倒三角区域,找出该区域的数千个点位,这些点位组成一套数学模型,通过复杂的数学方式计算人脸的相似度,因此准确度很高。
国产脸部识别技术水平不凡
旷视科技联合创始人唐文斌介绍公司独立研发的脸部识别技术提到,看似仅仅是特工“火眼金睛”的一瞬间,背后其实是一整套复杂技术的支撑,通俗说来,需要上下协同的“三部曲”共同完成:首先,第一步是人脸检测,就是在镜头中确定位置,找到人脸“在哪里”;第二步为关键点检测,在已经确定的人脸位置处,找准眉眼、耳鼻等脸部轮廓的关键点,为进一步的分析做准备;第三步,则是基于大规模数据的人脸识别,弄清“这是谁”。
人脸识别技术示意图
针对这场“三部曲”,国际上分别有一套公认的评测体系,人脸检测FDDB评测、人脸关键点定位300-W评测和人脸识别LFW评测。全世界所有研发人脸识别技术的技术团队,都可以针对系统给出的一套人脸识别“试卷”,一比高下。
在刚刚过去的LFW评测中,唐文斌、印奇、杨沐三人带领的这个成立仅仅两年的创业团队,以人脸识别率0.02%的优势击败社交巨头Facebook摘得桂冠。在过去六个月的时间里,他们已经接连拿下了分别针对“三部曲”的三项测评的国际冠军。
公司首席技术官印奇介绍,一种“类人脑神经元算法”的深度学习算法是他们与全球同行们比拼的“杀手锏”。通过这种技术框架,他们可以用大规模的数据对算法进行“训练”,分析的数据对象越多,系统的计算、识别结果就会越来越精确。
为了吸引更多的数据资源、积累公司品牌口碑,他们推出了Face++人脸识别云服务平台。平台上目前已经聚集了2万多名开发者,这些享受旷视科技免费人脸识别技术服务的开发者,每天为平台提供200多万张图片,在保护隐私、不作商用的前提下,Face++可以借用这些图片及其标注信息进行算法学习和优化,从而逐渐获得了全球第一的人脸识别能力。
香港中文大学人脸识别技术准确率超99%
香港中文大学的计算机视觉研究组开发了一个名为DeepID的深度学习模型,在LFW(业内用于评估非受限环境下人脸识别技术的权威数据库)上获得了99.15%的识别率。
如果仅给出人脸的中心区域,肉眼在LFW上的识别率97.52%。此前,该研究小组曾开发了一个基于高斯过程的人脸识别技术GaussianFace,得到98.52%的识别率。这也是计算机自动识别算法的识别率首次超过肉眼。DeepID将GaussianFace人脸识别纪录推进一步,首次超过99%的LFW识别率。
与此同时,Facebook发布了另一套基于深度学习的人脸识别算法DeepFace,在LFW上取得了97.35%的识别率。
香港中文大学与Facebook最大的区别就是,DeepFace需要740多万人脸数据作为训练相比,DeepID只需使用20万张人脸数据和数台NVIDIAK40GPU,此外,研究组将深度学习作为团队的另一核心研究方向,设计包括人脸对准、行人检测、姿态估计、人体图像分割、车型识别、大规模人群监控、通用物体识别和检测、互联网图像检索等在内的,诸多深度学习模型,深度学习试图模仿人脑利用神经网络来感知外界。
- 米尔T527系列核心板,高性能车载视频监控、部标一体机方案
- Akamai 全新视频工作流程功能强化媒体平台控制能力
- 紫光同芯推出全球首颗开放式架构安全芯片E450R 已获国密二级认证
- 品英Pickering公司携多款模块化信号开关和仿真解决方案亮相国防电子展
- 派克汉尼汾推出适用于现场监测和诊断的测量设备 Service Master COMPACT
- 连接与距离: 安防摄像头新气象—— Wi-Fi HaLow 带来更远传输距离和更低功耗
- 思特威携多款重磅产品强势亮相2023 CPSE安博会
- 双轮驱动,云天励飞推出12TOPS边缘视觉SoC
- 丰田汽车因信息泄露案接受日本行政指导 涉及241万条用户数据