從進(jìn)出辦公大樓到會議室，從取快遞到食堂吃飯，只需對準(zhǔn)攝像頭刷一下臉，就能輕松完成通行、支付、取件等操作。在阿里巴巴，“臉”已經(jīng)成為員工日常生活辦公的通行證。

阿里園區(qū)食堂使用人臉支付

作為園區(qū)“刷臉”的主要技術(shù)支持方，阿里巴巴信息平臺事業(yè)部園區(qū)大腦技術(shù)團(tuán)隊(duì)負(fù)責(zé)人楊含飛(花名：少昊)表示，今年1月初，第一臺人臉閘機(jī)才正式在園區(qū)落地。而現(xiàn)在，“人臉”已經(jīng)運(yùn)用在阿里園區(qū)的方方面面，平均每天會進(jìn)行20多萬次的人臉識別。

此外，隨著會議活動對安防要求的增加，一些大型展會對人臉識別的需求也變得越來越強(qiáng)烈。在今年9月云棲大會上，阿里內(nèi)部的這套人臉閘機(jī)，支持現(xiàn)場12萬人次的通行。

云棲大會上的人臉門禁

那么，在這些大規(guī)模的人員識別場景中，阿里內(nèi)部的人臉識別究竟是如何做保障的?

今天，我們邀請少昊親自揭秘阿里巴巴人臉識別的優(yōu)化方案。

人臉識別時，首先需要對方提供一張照片進(jìn)行人臉注冊，然后在識別過程中，通過終端照片去檢測當(dāng)前畫面照片上是否有人臉出現(xiàn)。如果有就會去提取特征并與服務(wù)端算法進(jìn)行對比，來確認(rèn)兩者之間是否一致?？梢?，人臉識別實(shí)際上是特征的“提取”與“對比”。

少昊認(rèn)為，在這一過程中，特征提取是否完整與充分，對比是否快速準(zhǔn)確，與識別算法、終端軟硬件以及人臉底庫照片都有關(guān)系。所以，信息平臺在做大型人員識別的優(yōu)化時，主要從這三個方向入手：

終端的優(yōu)化

終端的優(yōu)化分為硬件與軟件。硬件上，主要針對攝像頭采用寬動態(tài)技術(shù)，IPS優(yōu)化，從捕捉畫面前景與背景處理上達(dá)到清晰均衡的要求，解決逆光問題，讓人臉識別更加快速有效。

軟件上，我們主要對拍攝清晰度做管理和控制。一般來說，在捕捉到識別圖像后，首先會對每幀圖像進(jìn)行數(shù)據(jù)監(jiān)控與評估。在經(jīng)過數(shù)據(jù)化打標(biāo)之后，會給圖像進(jìn)行分類，來考察不同清晰度下的圖像通過率。以及不同清晰度與角度下，圖像的實(shí)際分布情況。這能有效管控識別速度與識別距離，確保整個識別過程的通行效率。

識別算法的優(yōu)化

誤識率是人臉識別的基礎(chǔ)，所以在識別算法上，技術(shù)人員一是對誤識進(jìn)行控制;二是對相似度進(jìn)行管理。

因?yàn)槭芩惴ㄐ阅苡绊?，隨著人臉底庫的增加，算法性能會逐步降低。如何在識別服務(wù)上進(jìn)行優(yōu)化，成為人臉識別的一大關(guān)鍵。

用戶行為產(chǎn)生的大量數(shù)據(jù)，使數(shù)據(jù)預(yù)測成為可能。比如在杭州進(jìn)行人臉識別出現(xiàn)誤識別，本人有可能實(shí)際上正在北京出差或休假等。所以，如果結(jié)合數(shù)據(jù)算法模型來準(zhǔn)確的預(yù)測用戶行為，對人群進(jìn)行合理區(qū)分的話，就能一定程度解決誤識別。

基于此，團(tuán)隊(duì)成員在誤識別上進(jìn)行的第一個優(yōu)化就是——分組優(yōu)化。通過特征細(xì)分人群，降低誤識，提高通過率。

分組優(yōu)化首先需要考慮時間與空間因素。如果把一個區(qū)域空間圈得越小，未來一定時間內(nèi)出現(xiàn)在該特定區(qū)域內(nèi)的人也會越少。同時，時效越強(qiáng)，在該區(qū)域該時段出現(xiàn)的人臉也會越少。

同時，結(jié)合實(shí)際應(yīng)用場景，通過業(yè)務(wù)規(guī)則與特點(diǎn)的判斷，以及人臉識別算法的性能特性，就能更好確認(rèn)合理的空間、時間以及人數(shù)的分組規(guī)模情況。

以阿里巴巴園區(qū)人臉識別取件的分組優(yōu)化為例。從地域?qū)傩陨蟻砜?，每個小郵局都是一個固定的空間單元，有具體的位置。從時效性來看，當(dāng)包裹到達(dá)小郵局后，它的主人在一段時間內(nèi)會去拿包裹。從業(yè)務(wù)屬性上來看，小郵局是收取包裹快遞的地方。通過這三點(diǎn)屬性，就能基本確定取件場景的分組優(yōu)化方案。判斷哪些員工會去哪個小郵局的分組中。

此外，取件還會存在代領(lǐng)情況。這一情況在業(yè)務(wù)規(guī)則中就沒法確認(rèn)，需要基于歷史行為去分析，一個包裹被別人代領(lǐng)的可能性是多少，以及被誰代領(lǐng)的可能性更高。然后將這一預(yù)判結(jié)果加入到人臉識別的分組中。

阿里園區(qū)小郵局通過人臉取件

通過一系列的算法模型學(xué)習(xí)優(yōu)化，提升模型預(yù)測的準(zhǔn)確性，不斷的改善人員分組質(zhì)量，目前人臉在支持阿里巴巴園區(qū)通行上，誤識率已經(jīng)有效控制在千分之一左右。

除了分組優(yōu)化外，在面對不同膚色與人種的情況下，團(tuán)隊(duì)還建立了不同種類的算法模型與底庫。這樣可以針對特定膚色人種的通行率和誤識率，做針對性的優(yōu)化。

人員底庫照片的優(yōu)化

少昊表示，很多時候，人臉識別不成功并不是現(xiàn)場攝像頭或比對算法出了問題，還是底庫照片的質(zhì)量太差，導(dǎo)致無法進(jìn)行人臉識別。除了讓對方重新提供照片圖像外，還可以通過算法進(jìn)行大小臉檢測、照片校正以及身份核實(shí)，來確認(rèn)本人身份。

此外，算法還可以幫助底庫照片進(jìn)行自學(xué)習(xí)。通過人員照片序列的分析后，提取特征進(jìn)行圖片聚類分析，隨后再通過圖片質(zhì)量分析后，對本人身份進(jìn)行核實(shí)，進(jìn)而完成底庫照片的注冊與特征提取。

通過上述手段優(yōu)化，在人臉識別通過率保持不變的情況下，誤識率可以降到1‰。

今年雙11期間，阿里園區(qū)的這套人臉識別技術(shù)還應(yīng)用于雙11作戰(zhàn)指揮室與天貓雙11晚會現(xiàn)場的安防保障。

少昊表示，通過人臉屬性識別的進(jìn)一步豐富，硬件及算法能力的進(jìn)一步提升，未來，人臉識別技術(shù)將會滿足更多商業(yè)場景需求，一個真正的刷臉時代就要來了。

關(guān)鍵詞： 阿里人靠臉吃飯 刷臉時代