余若晟 徐 超 张 帆
(复旦大学计算机科学技术学院 上海 200433)
21世纪以来,许多城市开始搭建城市监控网络,通过监控摄像头辅助取证,以保障并提升城市安全。在很长一段时间,城市监控系统只具备拍摄与存储功能,即只能实现“看得见”。当需要利用监控视频寻找犯罪证据时,通常会调动大量人力翻看同一时间段内不同摄像头拍摄的海量视频。随着机器学习技术的发展与监控摄像机清晰度不断提升,视频智能化处理技术逐渐应用于生产实践中。人们越来越不满足于监控系统只能提供单一的拍摄和存储功能,更希望监控系统能够自己“找出”候选目标,从而提升城市安全管理效率,降低人力成本。因此,“找得到”已经成为智能城市监控的主要目标。
人物是城市监控系统的主要关注目标之一,而人脸因其独特性与便利性,在身份认证与识别领域得到了深入的研究。以人脸识别为基础的各类应用,如刷脸支付等也极大地方便了人们的日常生活。近年来,随着深度学习的逐渐发展,基于深度学习的人脸识别方法使得人脸识别准确率大幅提升。2014年,FaceBook提出了DeepFace[1],使用一个深度卷积神经网络,在LFW数据集上的准确率达到了97.35%,达到人类水平。在随后的几年里,以FaceNet[2]、SphereFace[3]、ArcFace[4]为代表的一系列利用表示学习思想对人脸识别的改进使得人脸识别算法不仅在LFW[5]数据集上达到了逼近100%的准确率,并且大幅提升了诸如大姿态、模糊图像等场景下的人脸识别准确率。……