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。