2014韩国小姐选美 脸部识别能看破整容？

    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。