CSIG 圖像圖形學科前沿講習班，山世光等四位學者帶來生物特征識別精彩報告（二）

雷鋒網 AI 科技評論按：2018 年 4 月 14 日-15 日，中國圖象圖形學學會圍繞「生物特征識別」這一主題，在中科院自動化所成功舉辦了第四期「CSIG 圖像圖形學科前沿講習班」。

生物特征識別 (BIOMETRICS)，是指通過計算機利用人體所固有的生理特征（指紋、虹膜、面相、DNA 等）或行為特征 (步態、擊鍵習慣等) 來進行個人身份鑒定的技術。

本期講習班邀請有曠視科技首席科學家孫劍，中科院自動化所研究員孫哲南、山世光、郝然、王亮，清華副教授馮建江、徐明星，中山大學教授鄭偉詩等八位學者分別就人臉、虹膜、指紋、步態、音紋等人體特征的研究現狀做了詳細報告。

雷鋒網在本文中將對 15 日王亮、鄭偉詩、徐明星、山世光的 4 場精彩報告進行介紹。

王亮：步態識別的進展，機遇和挑戰

中科院自動化所的王亮研究員首先開講，為大家帶來步態識別的報告。

首先王亮研究員介紹了步態識別的概念。步態是一種生物行為特征，步態識別的原始數據是人類行走視頻，步態識別就是通過視頻中的步態特征識別行人。

接著王亮研究員介紹了步態識別的歷史與傳統步態識別方法。步態識別的概念起源非常早，亞里士多德就曾分析過動物的步態。之后經歷了19世紀的圖片、影像運動研究，到20世紀則有了運動模式的概念。1997有了第一篇生物步態論文。當下則使用深度學習進行步態識別。至于傳統模式識別方法，王亮研究員將其概括為基于模型的步態識別和基于姿態的步態識別。

王亮研究員進一步介紹了當前基于深度學習的步態識別。王亮研究員接著介紹了他們團隊目前采用基于CNNs的多視角人類步態識別技術，這項技術的識別效果良好。這項技術目前面臨訓練數據過少的問題。

最后王亮研究員介紹了如何建立一個簡單實用的的步態識別系統。該系統使用端到端的深度神經網絡來進行步態分割以及步態識別。介紹完技術，王亮研究員還展示了系統demo，他表示以后會著手解決多人重疊等步態識別急需解決的問題。

鄭偉詩：行人重識別及其若干難點問題

中山大學鄭偉詩教授接著做了行人重識別的報告。

首先鄭偉詩教授介紹了行人重識別的概念，即在不同的場景或攝像頭下如何定位識別同一個人，去追蹤這個人的運動。隨后，他圍繞行人重識別這五年的發展和目前學術上的研究兩個方面進行介紹。

在五年發展歷史這一部分，鄭偉詩教授從 2013 的基于 Handcrafted Feature 的 Re-ID 一直介紹到現在他目前正在做的 Metric Learning。今年鄭偉詩老師團隊還將超分辨率和 Re-ID 結合在一起。

至于當前的學術研究，鄭偉詩教授提到他們把行人重識別中傳統的 Metric Learning 變為非對稱的。這是一個很好的的處理方法。在面臨一致性的問題，鄭偉詩老師采用 LDA 的方法來處理該問題，并取得很不錯的結果。

鄭偉詩教授最后總結道，不應該把行人重識別看作一個簡單識別問題，實際應用中的問題非常復雜。在數量眾多的攝像頭跟蹤過程中有一個攝像頭出錯很可能就會丟失目標，這是一個很值得研究解決的課題。

徐明星：語音處理技術在無監督身份認證中的應用

清華大學的徐明星教授從產、學、研等方面介紹了語音處理技術特別是聲紋識別的應用。

徐明星教授首先介紹了基本概念。聲紋屬于行為特征（區別于人臉等生理特征）。相較于生理特征，語音具有雙向傳遞信息、周邊無死角、高可變性與唯一性完美統一等特點。這些特點不僅讓語音適合用作識別，也因此僅憑軟件算法就可以防止攻擊。

介紹完基本概念，徐明星教授將目前的聲紋應用概括為以下幾個部分：

• 一：移動支付。

• 二：社保生存認證。

• 三：社區矯正系統。

• 四：公共安全。

• 五：電子政務。

• 六：移動領域。

• 七：車聯網、門禁、考勤。

徐明星教授進一步補充應用中的挑戰即對魯棒性的要求。其中包括環境相關的聲紋魯棒性，說話人相關的聲紋魯棒性，應用相關的聲紋魯棒性。

徐明星教授最后介紹了當前的聲紋識別發展比較好的方向，包括語音支付、網絡安全、生物認證等。

山世光：人臉識別的近期進展與應用

中科院計算所研究員山世光作為最后一位講者，做了本期講習班最后一場關于人臉識別技術概況的報告。

山世光研究員首先介紹了深度學習對人臉識別的影響。主要包括這幾個方面：

• 一：基于CNN的人臉檢測，之后拓展為多任務 CNN 和 PCN。

• 二：完全端到端的級聯CNN用于人臉特征定位。

• 三：基于卷積神經網絡的特征提取，再在卷積神經網絡之前加上ReST進行人臉識別。

接著山世光研究員介紹了比較高階的新工作。包括新的損失函數如L-Softmax 、A-Softmax 、CosFace 、ArcFace 、Range Loss 、L2-constrained Softmax Loss 、Ring loss 。姿態穩健的人臉識別如DREAM（Deep Residual Equivariant Mapping CVPR2018 ）。以及基于視頻的人臉識別如DCRL（Discriminative Covariance Oriented Representation Learning ）、DAN（Discriminative Aggregation Network ）等。

山世光研究員緊接著介紹了當前中國比較好的應用方向，例如智慧社區和智慧樓宇的人臉驗證，省級甚至全國級的身份查重等。他表示深度學習給人臉識別帶來的變化是翻天覆地的，從檢測到特征定位到識別都發生了質的變化，這個變化的主要指的是錯誤出現的數量級下降。但目前，仍然需要解決大數據下的精度問題，以及假臉等攻擊問題。

以上是雷鋒網全部報道，CSIG 圖像圖形學科前沿講習班第四期至此落下帷幕。兩天時間，八位專家為大家帶了十分精彩又干貨十足的報告，對人臉識別、聲紋識別、指紋識別等生物特征識別領域的技術發展歷史、技術原理、發展現狀、未來前景等進行了深入介紹。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。