机器人再次对战人类最强大脑 这次换成人脸识别.doc

《机器人再次对战人类最强大脑 这次换成人脸识别.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、机器人再次对战人类最强大脑这次换成人脸识别　　1月6日江苏卫视《最强大脑》，上演了一场精彩的人机对决，这次的战场不再是围棋，而是人脸识别。机器人再次对战人类最强大脑这次换成人脸识别　　1月6日江苏卫视《最强大脑》，上演了一场精彩的人机对决，这次的战场不再是围棋，而是人脸识别。机器人再次对战人类最强大脑这次换成人脸识别　　1月6日江苏卫视《最强大脑》，上演了一场精彩的人机对决，这次的战场不再是围棋，而是人脸识别。　　人类的出战代表为王峰(微博)，其为90后世界记忆大师，《最强大脑》名人堂轮值主席。　　2015年以队长身份参加《最强大脑第二季》，在《最强大脑》中德国际对抗赛中，王峰率领中国代表

2、队4：0完胜德国队，本人以一敌二，并打破快速记忆扑克牌世界纪录。　　机器的一方则是百度机器人“小度”，百度大脑在人工智能领域的很多研究成果都植入到其身上。　　“百度大脑”已建成超大规模的神经网络，拥有万亿级的参数、千亿样本、千亿特征训练，能模拟人脑的工作机制。百度大脑如今智商已经有了超前的发展，在一些能力上甚至超越了人类。　　在人脸识别技术的国际测评中，百度最高能达到99.77%的准确率，2015年曾获得过两次世界第一。而人机大战的第一场就是PK人脸识别。　　“小度”将与名人堂选手约战三场，主要在人脸识别、语音识别上面PK，前三期人机大战，采用三局两胜制，如果百度大脑全胜，将参加角逐最后的

3、脑王争霸。　　第一轮：跨年龄识别　　嘉宾(章子怡)从20张蜜蜂少女队成员童年照中挑出3张高难度照片，选手通过动态录像表演将所选童年照和在场的成年少女向匹配。选择正确者得1分。　　蜜蜂少女队人员众多且每个人在赛场上化妆表演，不排除有微整形、戴美瞳等因素干扰。　　此外，挑选的童年照都在0-4岁范围内，与现在成年少女队的年龄跨度比较大。　　同时，比赛现场有实时照片传输、现场摄影机捕捉人脸图像晃动、灯光干扰等因素都会影响人工智能的识别准确率。　　最为困难的是，蜜蜂少女队人员中有一对双胞胎，恰巧被现场嘉宾抽中。　　最终，事先并不知情的王峰未能从双胞胎中区分出差别，导致判断错误，第一轮得0分。　　而百

4、度机器人则给出了两个结果，区别是相似度仅相差0.01%，相似度较高那个最终被证明是正确答案，从而拿到第一轮的1分。　　第一轮过后，人机大战的比分是1：0，人类暂时落后。　　第二轮：千脸跨年龄识别　　人机共同观察一位30岁以上的观众，随后将他从30张小学集体照中找出。这一轮在上一轮的基础上增加了难度，因此分值提高，选择正确者得2分。　　这一回合样本容量大，30张集体照大约需要在1000-2000个人脸中找到对应的人，年龄跨度也覆盖在80、90后等年龄层中。　　最终，机器和王峰先后在合照中正确识别出了嘉宾选择出的观众，均得2分。加上第一轮的得分，机器最终得3分，王峰得2分。　　经过两轮角逐，百

5、度机器人以微弱优势胜出，王峰为双胞胎那万分之一的差别付出了代价。　　人脸识别的技术难点　　人类大脑从上百万年前开始就拥有了人脸识别的能力，而机器没有直觉，也并没有久远的进化历史，只能靠分析数据来学习。　　计算机只认识0和1，所以它必须通过无数次的学习来找到人类直觉的规律并将它转变成0和1存储在脑子里，从而模拟人类通过直觉思考的过程。　　人脸识别技术研究的困难，不同于普通的图像识别。就人的脸部特征而言，每个人的脸部结构都是相似的，这对于利用人脸区分人类个体不利，还有一些特殊情况，比如双胞胎甚至多胞胎。　　其次就是表情、光照条件、整容等外因影响。不同的表情、角度观察，光照条件的影响，人脸遮盖物

6、，如口罩、墨镜、头发、胡须，甚至是整容、P图等行为，都增加了人脸识别的难度。　　而对双胞胎的识别，技术上就更困难了。　　人脸识别是在脸部骨骼上取尽可能多的点，通过计算机把这些点分别与自己已经存储的脸比较，有差别就判断出来了。因为双胞胎骨骼太相似，导致差别特别细微，所以取的面部骨骼点不够多的话是识别不出来的。　　人脸识别主要步骤　　(以比赛为例，现场小度识别蜜蜂少女成员的原理流程图)　　具体分解如下：　　Step1人脸检测：　　根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来检测人脸，即在在一副图像或一序列图像(比如视频)中判断是否有人脸,若有则返回人脸的大小、位置等信息。

7、　　Step2人脸图像预处理：　　系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。　　人脸图像的预处理主要包括人脸对准，人脸图像的增强，以及归一化等工作。　　人脸对准是为了得到人脸位置端正的人脸图像;　　图像增强是为了改善人脸图像的质量，不仅在视觉上更加清晰图像，而且使图像更利于计算机的处理与识别。　　归一化工作的目标是取得尺寸一致，灰