這件事追城,就是美國軍方最近搞出來的一個大新聞刹碾。據(jù)《The Register》專欄記者凱蒂安娜·庫奇4月17日的一篇文章,美國陸軍研究實驗室正在研究一項技術(shù)座柱,通過AI的深度學習技術(shù)的加持迷帜,未來將可以實現(xiàn)黑暗中識別人臉的可能。
想在夜里獲得視野并不是什么難事色洞,如今 紅外技術(shù)的發(fā)展已經(jīng)非常成熟戏锹。拍攝野生動物、24小時監(jiān)控等等都會用到這類技術(shù)火诸。再加上熱成像锦针,在夜里能夠判斷前面站著的是個人而不是一塊石頭,已經(jīng)不是什么問題置蜀。
但要在沒有打光的情況下實現(xiàn)人臉識別的精度奈搜,這確實有點驚為天人。那么盯荤,美國軍方究竟是準備怎么做的馋吗?
首先我們需要知道的是,熱成像是通過非接觸探測紅外能量秋秤,將其轉(zhuǎn)換為電信號福咙,進而在顯示器上生成圖像和溫度值的一種技術(shù)。熱成像裝置在軍事用途中非常常見纷辈。比如Apache直升機等飛機和裝甲運兵車等地面交通工具秋孕,都是配備了熱成像相機。這能夠保證其在低能見度的情況下也能探測到人員膛躁,比如大霧绞胡、夜晚。
這里存在著一個問題赢虚,熱成像裝置雖然相當于給在夜里活動的士兵們裝了一雙眼睛域抚,但這雙眼睛其實是雙“近視眼”。它能夠顯現(xiàn)出對面出現(xiàn)的障礙物的基本輪廓剧么,讓士兵們能夠判斷眼前是人還是石頭涵蔓。但是,也就僅限于此苫治。眼前的人是敵還是友滋遗,目前還是沒轍。
基于此零院,美國陸軍研究實驗室開發(fā)出了一套基于深度學習的AI識別系統(tǒng)溉跃。通過卷積神經(jīng)網(wǎng)絡的處理,熱圖像中人的眼睛、鼻子撰茎、嘴唇等的邊界被標記出來嵌牺,從而可以確定出人臉的整體形狀。接下來龄糊,非線性回歸模型將這些特征映射到相應的面孔樣貌中逆粹。這種被稱為“多區(qū)域合成”的系統(tǒng)通過損失函數(shù)進行訓練,熱圖像和可見圖像之間的誤差會被最小化炫惩,從而可以構(gòu)建出一個相對準確的人臉圖像僻弹。
但如何認識這張臉?畢竟僅僅得出一個人臉的圖像是沒有多大用處的他嚷,這項技術(shù)的最主要目的是判斷對面的人是誰蹋绽。這就需要有一個數(shù)據(jù)庫用來對即時生成的人臉進行比對了。
因此筋蓖,為了有效卸耘,它需要將構(gòu)建出來的圖像與數(shù)據(jù)庫中的已知面部進行匹配,如監(jiān)獄罪犯孟若、恐怖分子等枫须,因此才能識別出目標。也就是說药屠,使用這套系統(tǒng)拍攝出的面部圖像,必須要與數(shù)據(jù)庫中的圖像進行匹配誊桅。如果能早點應用崇旺,類似波士頓恐襲事件中對犯罪分子的抓捕,也許就不會那么大費周折难踱。這樣說來设哀,目前來說這套系統(tǒng)的最大優(yōu)勢可以是抓在逃犯。
聽起來這項技術(shù)的可應用前景還是很廣闊的刷络。但還沒等美國軍方高興起來甥迷,有人就過來潑冷水了。
三月份在內(nèi)華達州舉行的IEE動機計算機視覺應用會議上丽优,有研究者就認為歹恬,雖然熱成像技術(shù)多區(qū)域合成模型精度和常規(guī)成像精度都超過了80%,看起來結(jié)果有一定的希望手趣,但是由于熱成像精度的變化晌该,該技術(shù)的人臉合成精度也會發(fā)生變化。因此绿渣,將這些算法和當前的熱成像技術(shù)的完美結(jié)合仍然是有不同程度的困難朝群。
有意思的是,國內(nèi)的一些媒體在進行相關(guān)報道的時候,夸大其詞地轉(zhuǎn)譯了其具有“穿墻透視”的功能姜胖。我們需要知道的是誉帅,目前熱成像儀還無法突破墻體去探測人體發(fā)出的輻射,因此“穿墻”一說右莱,噱頭的成分更大一點蚜锨。
對于剛剛?cè)〉贸醪竭M展的這項技術(shù)而言,這樣的批評之言應該算是一種鞭策或者方向隧出。但是現(xiàn)在問題又出來了踏志。即便這項技術(shù)成熟了,但是數(shù)據(jù)庫里沒有那么多人臉來匹配胀瞪,一切不都白瞎了针余?
所以,目前來看领明,該算法在于現(xiàn)有數(shù)據(jù)庫進行結(jié)合的情況下标宪,可以暫時解決一部分的問題。但是如果想要實現(xiàn)更精準而廣泛的應用袋凶,仍然是有賴于人臉識別數(shù)據(jù)庫的擴建励普。比如一個名為Terrogence的商業(yè)機構(gòu)就聲稱自己擁有一個包含數(shù)以千計的恐怖分子面孔數(shù)據(jù)庫。而這個數(shù)據(jù)庫的客戶弦捶,就包括國安局铜氛、美國海軍情報機構(gòu)和政府機構(gòu)。
如此看來党砸,這項技術(shù)在追捕在逃犯蟀委、打擊恐怖分子、夜間作戰(zhàn)方面還是有很大的用武之地的莉狠。