电子工程世界TB我们对人脸识别的11个误解
过去十年内 ， 随着我们在人工智能领域取得长足进步 ， 我们能够为嵌入式系统增加一些先进功能 ， 例如人脸识别 。 虽然人脸识别能够带来诸多好处 ， 但人们有时仍然认为它的使用存在问题 ， 甚至充满了争议 。 事实究竟如何？在本文中 ， 我们将澄清一些对人脸识别的误解 。
本文插图
1) 人脸识别的成本非常昂贵
人们会觉得要让计算机能够识别人脸 ， 解决方案必须采用高端硬件 。 毕竟 ， 自21世纪前十年中期以来 ， 深度学习算法在图像分类方面的突破都利用了图形处理单元(GPU)的强大处理能力 ， 这些单元通常在紧耦合集群中使用 。 但对于嵌入式系统（例如家庭安保和门禁控制产品）的人脸识别应用开发人员而言 ， 并不需要如此复杂的机器学习流程 。 设计高效率的算法 ， 侧重于检测人脸、将人脸与已注册的图像进行匹配 ， 所需的处理能力将远低于研究级别的算力 。
2) 人脸识别非常困难
机器学习的一大关键难点是将设计流程与应用相匹配 ， 以便能够在训练时产生有用的结果 。 但在人脸学习等应用中 ， 不需要从头开始构建这些结构 。 我们可以使用基于经过验证的机器学习过程构建的平台 ， 它们不仅能快速提供高性能 ， 而且提供一定程度的定制能力 ， 满足不同目标市场的需要 。
3) 人脸识别需要高性能处理
很多人看到 ， 在云计算环境中 ， 我们将高性能硬件用于机器学习 ， 于是他们想当然地假定机器学习都是重量级进程 。 但是 ， 这些系统需要能够适应很多不同应用 ， 而且它们可以充分利用支持所有深度学习架构的开源工具 。 因而 ， 即便对于推理应用 ， 当使用网络来分析实际数据时 ， 模型具有高度的数据和计算冗余 。嵌入式解决方案可以显著减少这些开销 ， 因而能够在32位MCU上运行复杂的人脸识别算法 。
4) 人脸识别不太安全
人脸识别在嵌入式系统中的一大重要应用是门禁控制 ， 如果有人手持自拍照靠近摄像头企图蒙混过关 ， 需要确保门锁不会被打开 ， 也无法越过报警系统 。 正因为如此 ， 采用机器学习技术的集成式视觉平台非常重要 。 这些技术能够对图像执行检查 ， 确保将可用数据馈送到机器学习算法 。 灵活确保管道可以处理可见光数据以及更多内容 。 在这种情况下 ， 使用红外传感器或图像传感器可以帮助系统能够辨别真伪 。
5) 人脸识别侵犯隐私
公众熟悉的众多应用需要将原始数据上传至云服务器 ， 然后在云服务器上处理数据 。 这是很多消费者担忧的问题 ， 他们不希望自己在住宅及周边区域的活动在互联网上传播 ， 甚至可能在服务器遭受恶意攻击后被披露 。 有些平台可在本地执行所有图像处理和人脸识别功能 ， 例如恩智浦基于MCU的EdgeReady解决方案 。 数据自始至终不会离开平台 ， 从而确保最终产品可以最大程度地保护用户隐私 。
6) 人脸识别在黑暗中无法进行
具有集成人脸识别功能的安全系统或电动门经常需要在不太理想的照明条件下工作 。 人脸识别技术似乎要依赖于可见光才能正常工作 ， 夜间工作或断电可能成为一大难题 。 但是 ， 通过将可见光图像传感器与在红外线光谱上工作的辅助器件配合使用 ， 或使用飞行时间数据来构建范围内对象的3D映射 ， 可以非常简单地解决这个问题 。 采用这种方法 ， 无光照不再是难题 ， 由于不要求解决方案采用人工照明 ， 它还有助于提高实用性和降低功耗 。
7) 人脸识别需要人工智能方面的专业知识
整体来说 ， 人工智能是一个非常宽泛和复杂的领域 。 仅在深度学习方面 ， arXiv网站上每天都会出现新学术论文 ， 探讨不同技术领域和新管道结构 。 但如果您使用专为人脸识别设计的平台 ， 例如恩智浦基于MCU的解决方案 ， 就很容易得到高质量的结果 ， 因为它不仅采用了机器学习技术 ， 还提供了针对任务设计的完整图像处理工具包 。
推荐阅读
- |界读丨铁娘子董明珠豪掷20亿助华为研造''芯片'' 要做世界第二
- 海外即时通|一星期赚到7.7亿美元！SpaceX老板马斯克，距离世界首富有多远？
- 三易生活|即使在新款手机中，我们可能也避不开这些烦恼
- |联发科：我们一直很守规矩，华为事件纯属不符
- |我们试了试秒抢罗永浩直播的外挂神器
- 大肥皂|一个让我们连喊「YES」的手机，iQOO Z1体验评测
- 央视网|倒计时！火星，我们来了！
- 电子商务实战专家|华为再强，还离不开世界工厂，自嗨不是最好的选择？
- 搜狐新闻|又一个中国企业“打破”技术垄断，跃居世界第一，年收入达1160亿
- 孜然实验室|DNA存储器突破了理论极限，一部手机装下全世界的数据