酷应用

AI TALK | 云从科技：人脸识别技术照进产业场景的距离有多远

百家作者：机器之心 2018-06-05 01:20:31

机器之心原创

机器之能编辑部

5 月 25 - 27 日，在杭州，上千名志愿者、出品人完成了一场为年青人举办的大会。按照发起人阿里巴巴技术委员会主席王坚的说法，2050 是一个年份，不太近，充满想象，也不太远，我们都能活着看到。

在第一次听到「让世界离年青人更近，让年青人离世界更近」这样的办会理念时，我们想起机器之心用前沿科技内容聚合的全球 AI 青年，从在象牙塔里研究技术到毕业后面临创业、择业的选项，他们不仅应该关心技术走向，也需要了解因为这些技术的创新促成了产业正在发生的商业变革。

而那些被我们报道过的 AI 创业公司，大多恰好处于成长周期的少年或是青年阶段，如何生存和发展也同样是他们心头大事。

在 2050 大会上，机器之心发起了一场以《AI 技术公司的活法和前景是什么》为主题的论坛，云从科技、体素科技、深瞐科技、声智科技、一知智能和 Udacity 分别谈了谈 AI 技术如何才能「落地为安」。以下为第一支演讲视频——云从科技联合创始人温浩《人脸识别技术照进产业场景的距离有多远》。

要点速览：

为什么选择人脸识别？人机交互的视觉入口，跟机器打交道必须知道你是谁，这是一个入口；这是一个市场足够大的 AI 赛道；人脸识别是天然的跨行业入口。
我们应用时发现，学术和实验室的领先并不能带来你多大的落地优势。如果真正去做一个行业落地的方案，可能要非常多的技术模块累积，才能代入到你的值函数里面去，真正做到适应某一个场景，某一个行业的人脸识别的应用。
算法的门槛在降低，这个门槛最多保持两年时间。
巨头来了怎么办？保持各种技术的相对领先，尽量向你的上下游扩展，上游包括芯片、下游包括硬件和集成提供商，建立产业生态圈，去做跨行业的 AI+ 的行业大脑。
今天其实是科学家创业最好的时代，大家可以看到现在所有 AI 企业的背景都有科技的背景。这是十年前很难想象的，十前年有很好想法，就可以做互联网创业，现在还要有科技的背景，这是资本对知识性人才的一个热捧。

感谢机器之心邀请，也感谢云栖大会，我讲的题目是：人脸识别技术照进行业场景的距离有多远，这是主办方给我规定的题目。

在 AI 的里面，我们有很多落地的想法，我们也把我们的经验给大家分享一下。

2014 年冬天的时候，我和云从科技的创始人也是我的大学校友，就是周曦博士，当时在中科院重庆院。

我们在思考到底做哪个具体的方向，云从当时还没成立。

我们当时的优势在计算机视觉，我简单列了 CV 可以做到哪些内容。

一个是物体识别，包括搜索变革，以图搜图，这个已经开始有了。然后还有生产制造，在生产制造过程中识别物体。

还有在交通领域识别汽车和物流的东西，这是物体识别这一大类。

另外一类是人脸识别。

现在可以看到很多人脸识别的应用，包括安防，包括娱乐，直播，广告营销，金融、社区，这是我们平时会碰到的运用。

CV 还可以结合其他的 AI 技术，比如说自然语言理解，人机交互，可以做一些自动驾驶或者 AR 方面的工作。

或者像刚才结合生物科技和医疗技术，做一个疾病辅助检测。这个应用就是计算机应用非常多的方面，我们知道 70% 到 80% 的技术是来自人脸识别。这是很大的一个方面。

当时，我们在中科院的时候，做了很多东西。

除了人脸识别，车辆识别，还有一个机器人模型试衣，给远程买家看一下，效果是如何。我们做了这些类似的应用。

但是，大家都知道，微软是在计算机视频和 AI 技术，各方面语音都做的非常好的公司，有很多大牛。周博士当时在微软亚洲研究员和西雅图做过访问，像微软这么牛的公司都没有完全在市场上做的非常好，也没有实现盈利，所以，我们 AI 初创企业不可能把资源都分散到很多点上去，要专注道一个点上面。

我们为什么选择人脸识别？

第一个，因为是人机交互的视觉入口，跟机器打交道必须知道你是谁，这是一个入口。

然后，市场也是比较巨大的，我们选一个 AI 的赛道就要选一个市场足够大，哪怕是很小的市场份额都可以获得一个比较大的盈利空间。

举个例子，微软鲍尔默评价谷歌和微软都是大的公司，但是，谷歌比微软更伟大，不是因为谷歌技术更牛，而是因为谷歌的赛道是在搜索和广告上，这是一个非常大的市场。

微软主要在办公软件上，操作系统这个市场没有广告市场这么大。

所以，他认为谷歌更厉害。当然，这是一方面的评价。

所以我们要选择一个大的赛道，才能保持快速增长。

第三个，最重要的是，人脸识别是天然的跨行业入口。在 AI 技术里面，人脸就是非常好的入口。

我们刚才列举了很多服务，金融、安防都可以用人脸，你既然选这个技术，以后可以到很多行业去，可以把你的技术延伸到非常多的方面去，这是我们的一个考虑。

我们其实在这方面也是有一定的底气。从 2007 年到 2016 年，我们拿了相关计算机视觉挑战赛的七次冠军。

比如说像 2010 年 ImageNet 就是一个非常权威的视觉识别挑战赛，超过一千个图像种类，100 万张训练图片的时候，我们领先第二名 17% 的成绩。当时，全球参赛者 150 个队伍，包括 IBM、东京大学、索尼等世界一流的研究机构，我们还能领先他们 17%，所以，我们也觉得是比较有底气。

2016 年，我们参加了微软的全球图像挑战赛，在困难挑战数据集，它是考虑了光照，主要针对人脸的，光照、视觉和分辨率的各种情况下，算法拿第一。

在理论实验上，我们可以做到相对领先。

但是，实际上，我们应用时发现，学术和实验室的领先并不能带来你多大的落地优势。

我们当时做了很多 SDK 卖给集成商或者合作合作伙伴，很多时候，实际现场效果不是特别好，甚至做倒闭了的也有，我们也是感到迷惑。

人脸识别各种现实的挑战是很多的，我们知道在光线、角度、遮挡、表情、年龄、模糊的情况下，计算机要做到非常精准地识别一个人，不是这么容易办到的。

列举一下。

不同的光照的情况下，脸上感觉是不一样的。这个是模糊，因为摄像机是抓取的，有可能在运动中，也可能焦距对的不准，产生模糊状态，这个时候辨别一个人就比较困难。

还有这种角度，除非这个是计算机是周杰伦的粉丝，不然，这种情况一般来说都会有影响。

这种，如果是粉丝估计也比较困难，确实年纪变化比较大。

还有遮挡，这是纯天然的。表情，当然这是影帝级的，这会严重影响五官的扭曲。

如果把这些因素克服了，是不是可以识别人脸？不是，还有很多要考虑的问题。

第一个就是确认和识别的问题，1：1 和 1：N

1：1 回答的是这个照片是不是这个人，这个照片是我吗？是一个确认问题。

但是，识别，是一个我是谁的问题。他在 N 个人里面，这个 N 可能很大，可能是，一般来说小的话是几千人几百人，大的话是几千万人，比如说杭州市可能是上千万人，上海 2 千万，中国十几亿。

所以，上千万上亿人口中，回答他是谁的问题，这个就非常困难了。

有一些资料表明，大概一亿个人左右，就有长的跟你相像的人，更不用说双胞胎。1：N 是比较大的问题。

还有配合和非配合。

很多时候，配合式地去在设备上刷卡，但有很多时候，我是在抓取，处在远距离，比如，我们在这个空间里面，动态地看某个人，

甚至这个人是逃犯，有意识地戴一个鸭舌帽戴个口罩进行遮挡，非配合情况下，怎么把他识别出来。

甚至可能连脸都抓不到。这个时候，我们有一个技术，叫跨镜头，跨场景行人的再识别检索，叫 ReID，只看到它的衣着和他的步态，就可以把他判别是同一个人，这种的话难度就更大，还是跨镜头的，可能是相关区域的一个镜头。

还有防攻击。

我们知道，很多时候是关键性应用，我们要确保他是真人而不是照片，不是视频，这是一个活体检测。

活体检测，现在是常见的技术。以前手机常用的是动作，让你扭一下头，眨一下眼睛，不是特别好。

现在可以做到红外，结构光，结构光就是类似 iPhoneX 上的 3D 投射技术。根据投射光的反射来计算是否是一个 3D 的技术。

还有其他一些技术，还有这个识别。这是谁出的题，这根本不是一张脸，这就是部分了，这个时候，你的心情可能是这样的。这个表情，要要注意分析。计算机分析它的内心是沮丧还是崩溃，表情分析现在也是一个应用方向。以后做到人机的情感交流，计算机不光要知道你是谁，还要知道你的内心，通过表情判断你的内心，这个也是非常重要的一个方面。

所以说，我们从实际的经验来看的话，现在有很多开源的人脸算法和开源软件，其实它并不能真正解决问题，它们根本没有考虑到各种场景和各种应用的因素，如果真正去做一个行业落地的方案，可能要这么多的技术模块累积，从这个角度，旋转，光照，光线照、年龄、性别、表情、活体比对识别等，这里列了一部分，没列完，这样的话，才能代入到你的值函数里面去，真正做到适应某一个场景，某一个行业的人脸识别的应用。

这就是我们大概创业三年来，我们的 SDK 或者技术方案都是分的行业、场景，甚至分的前端，还是在什么样的配合下，或者非配合下，考量的一个技术。这是我们的一个想法。

另外一个就是说技术累积，是日积月累的，不是一蹴而就的，我们在埋头拉车的同时，我们要看看到底要走什么样的路，就要抬头看路，这是今天第二个给大家分享的。

当时有一个选择，是做 C 端还是 B 端。

这个照片是以前拍下来的，我们做了一个换发型的，直接去理发店做一个发型，我不要看着明星的脸，那个没感觉，我会把自己的脸拍下来含一个发型，看一下想要的效果是什么样的，这是 2013 年做出来的，大家看效果，还凑合。

我们还做了一个游戏，叫智慧顶球，在重庆高交会上，根据人脸来判断位置，来顶球，这个游戏很火爆，每天从开馆到闭馆，排队要玩。

还有一个是金融领域的应用，用在 B 端的，刷脸取款。现在在农行里面，很多 ATM 刷脸取款机都会慢慢支持，现在在北京有试点，带身份证，不用带银行卡，然后刷身份证进行比对，就可以进行小额的取款。农行和建行今年大部分都会上，整个过程中没有任何的手机或者银行卡相关的应用，这个都没有。

另外在公安里面，一直是有刚需。

公安里面两大类，一个是抓人，它一般是在火车站地铁站进行布控。

另外就是大库检索。假如我从天网里面抓到一张比较模糊的嫌犯的照片，我要知道身份是什么，这个库有上千万的，比如三千万人口，去搜索，它最像谁。

这个是 B 端的应用，这个是 C 端的应用。

C 端对客户的体验要求是非常高的，要求你的体验非常好，不会想一个不好玩的东西，用两天就没意思了的。

第二，使用起来要非常方便、稳定，不希望 AI 有非常复杂的使用手册给到终端的客户。

还有对价格很敏感，考虑到成本，不能是太贵的东西。

在 B 端，要面对的第一个问题是，门槛会相对高一点。

比如说，我们跟银行做的话，银行对供货商的要求是比较高的，这个我们也是走过弯路的。我们第一次给农行做生意，当时我们是初创，还不是农行，是工行，第一大行做生意，谈到最后发现我们的资质跟不上，刚成立，没有资质，这个就非常可惜，很多投标，只能委托其他家帮我们一起投标，只能这样，这个事是比较曲折的故事。但是，只要你进去了，你就比较稳定的。

还有就是它对专业服务要求比较高。像银行里面，它要求八个小时之内就必须做到响应，否则就是事故。

它对价格相对来说不太敏感，所有 B 端客户对价格都不是特别敏感，除非是非常靠近 C 端的，比如说，做门禁的厂商，门禁的终端价格要很低，这个时候相对来说敏感一点。一般来说都是不太敏感的。

对技术要求来讲的话，总的说来，C 端的要求比 B 端的高，这就是为什么我们会选择 B 端做切入口。

在做 B 端的行业时，需要考虑的几个问题，第一个就是行业里的产品和解决方案必须多。

在银行网点里面，比如这是一个常见的银行网点，我们做了 9 个方案，从排号填单到远程 VIP，终端，和超级柜台，体验和客户分析的终端，包括售卖机还有还有网点智能平台，我们都做了相应的解决方案，有些是是终端，有些是远程业务，有些是分析平台，从 15 年开始，我们在银行领域做了 42 个解决方案，不是简单的卖个算法进去就 OK 的事情。

第二个，如何增加行业客户的黏度。

我们觉得是云加端，不只是算法。

算法你觉得很高大上，但是很容易被颠覆，百度都开源了，谷歌推出了自动机器学习，以后完全不懂 AI 的公司可以自动训练，你算法的门槛会降低，这个门槛最多保持两年时间。

我们可以在行业客户的云端，就是软件端，它的软件系统其实是不容易被替换的。

大家可以自己想想，你的手机，你的手机号很难换掉，s 手机只要出新的，我基本上都会换掉，哪怕手机再贵。

这个其实是一个道理，客户的软件系统和业务系统很难换掉。

所以，我们做 AI 的可以尽量考虑占它的软件和硬件，硬件就是它的终端，把一些算法置前，然后它也会用到终端。

用上了一个轨道之后，也会有一定的依赖性，终端的依赖性不是特别高，还是要和云端进行配合，才可以形成标准的黏度的系统。这是我们的第二个想法。

第三个，在全国，我们有一个销服的体系。同时，真的是风里来，雨里去，跋山涉水，到机房，到现场，甚至自己装摄像机，我们还发生了触电的事件，这个也是比较危险的事。但是没有这个事情，你是做不到这个银行客服满意的，因为不是高大上才是 AI 企业，你还要做脏活累活。

巨头来了怎么办，所有所有企业都会面临的问题。BAT、做得非常好的科大讯飞、安防做得很好的海康威视，电商做的很好的京东，可以说，它们既是伙伴也是一个压力，我们怎么和他们在这个市场里面去博弈呢？

每家其实都不一样的路数，我们提供一下我们云从的想法给大家分享一下。

首先是保持技术的相对领先，你做 AI 的，技术不领先，怎么做你的市场和和你的产品呢。

所以我们第一，我们还是相对专在人脸技术和人机交互的技术，比如说，人证对比的通过率上做到金融级的，误识率要做到百万分之一甚至千万分之一之下，同时还要做到 95% 以上的通过率。

通过率是指，如果是你本人去比对，通过率 95%。如果是别人的话，就是误识率，只有千万分之一的误识。这个指标是非常重要的，我们在银行和公安里面，拿了 85 次测试的第一名。这是一个硬指标。

另外一个像一些新的技术，比如说跨境追踪，我们刚刚在三月份，刷新了三个世界记录，特别在 Market-1501，这是一个比较权威的数据集，我们做到 96.6% 的首位命中率，刷新了阿里 1 月份的世界记录，首次达到商用水平。以后我们基本上可以用这个技术进行跨境追踪，哪怕没有你的人脸，你的衣着体态都可以判断出来，这是一个比较好的技术运用。

当然还有 3D 结构光，我们在前面也发布了。

尽量向你的上下游扩展，上游包括芯片，下游包括硬件和集成提供商。

其实，你在扩展的同时，这个可以给你增加一个生存空间。

比如说你的芯片集成了你的算法，同时你的硬件是软硬一体的，你的成本很容易控制

这时候你跟巨头博弈的时候，成本会很低，性价比很高，这样可以营造空间增加你的竞争力。

还有一个就是，因为人工智能已经上升到国家的一个战略，所以我们作为中科院的背景，我们也有义务去支持国家战略，建立产业生态圈，两个方面：

一个是顶层上，我们参与了国家和行业的人脸识别标准的制定，同时和四大行，公安部，民航总局和中科院进行战略合作，建立联合实验室，合理合法获取他们的一些数据。

第二我们也承接了国家发改委的两大平台，一个是基础资源公共服务平台，这个是和和百度、腾讯、科大讯飞一起分别承担的，还有一个是今年 1 月份在高准确度的人脸识别系统产业化，和公安部一所一起承担的。

地方上，和重庆、广州、上海、苏州、成都、黑龙江这些省市进行战略性的合作，进行落地和生态圈，这样可以把很多上下游的产业和合作伙伴一起拉进来，把这个事情做大。

第四个就是我们去做 AI+ 的行业大脑。

AI 是跨行业的，所以我们做了很多行业大脑，从银行到公安，到机场，到社区、零售还有教育，还有健康。健康跟刚才的医疗不太一样，还是日常的健康检测。

最后会构成我们的云从大脑。

这个地方，大家会觉得，跟刚才前面的是不是有点矛盾，不是说要保证技术上的专注吗？

是的，专注人脸识别，人机交互技术。但是行业上是有扩张性的，这个是不矛盾的。

这个是一个战略步骤，只有这样，体量才能迅速增长，体量增长了，才有和巨头博弈的实力。

最后，AI 初创企业还是要有梦想，云从的梦想是定义智慧生活，提升人类潜能。

这个口号似乎有点大，梦想和企业能不能成功没有必然的关系。就像腾讯这么大了，也有人说它没有梦想，这个不是必然的，但是我们觉得，这个定义智慧生活，其实很显然不是一个简单的口号，我们是实实在在做的，比如说定义智慧生活，真的用我们各行各业的方案，也许今天你还没接触到，也许很快就能接触到这些东西，包括购物机及这些终端设备会很快接触到，这个是智慧生活的定义。

我们认为人工智能也不是代替人类，在可预见的未来是提升人类潜能的，用专家的经验进行复制，帮助人类。就像刚才用医疗技术帮助医学专家一样，所以说，这个是我们的一个想法。

最后两句话作为一个结束。

一个是虽有智慧，不如乘势，虽然镃基，不如待时。这是出自孟子。

镃基，是一个农业工具，农业活动必须看天时。整句话就是就是说，要乘势而为。

也就是说，如果你选对一个事，可以做到事半功倍。

我们觉得今天其实是科学家创业最好的时代，大家可以看到现在所有 AI 企业的背景都有科技的背景。这是十年前很难想象的，十前年有很好想法，就可以做互联网创业，现在还要有科技的背景，这是资本对知识性人才的一个热捧。

在座的各位应该感到自豪，真正的是知识经济时代真正来临了。

这是我们的一个想法，所以在这个时代，大家只要有梦想去创造，一定可以成功。