科学家研发最精确人脸识别模型：犯罪嫌疑人无处遁形

图为最新3D变形模型随机生成的几张人脸。

　　北京时间5月12日消息，据国外媒体报道，不知你是否使用过Snapchat这款手机软件，它可以将你的照片变成一头熊，或把你的脸和其他人的脸融为一体。一组研究人员前不久发明了目前为止在计算机上建立3D面部模型的最先进技术。该系统可改进视频游戏中的个人虚拟形象、增强安保的面部识别准确性，还能使Snapchat推出更多滤镜。

　　计算机处理人脸图像时，有时会采用所谓的“3D变形模型”（简称3DMM）。该模型代表人脸的平均水平，但也包含常见的、偏离该平均水平的特征信息。例如，如果你鼻子较长，你的两腮也可能较长。考虑到此类相关性，计算机在对你的面部特征进行分类时，并非将3D扫描的每个像素点都保存下来，而是列出几百个可描述你与平均脸型的差异值，包括与年龄、性别和脸长大致相关的各类参数。

　　不过有一点需要注意。为了记录各种面部差异，3D变形模型需要整合许多张人脸的信息。到目前为止，这需要对许多人的面部进行扫描、然后列出全部面部特征。目前性能最出色的模型也仅包含几百人的面部信息，其中大多为成年白人，因此在处理其它年龄和种族人群时水平有限。

　　帝国理工学院的计算机科学家詹姆斯·布斯（James Booth）和同事一起推出了一种新技术，可使3D变形模型完成自动搭建，并涵盖更加丰富的人种。该方法主要分为三步。首先，运用算法完成自动面部扫描，给鼻尖和其它特征点打上“标签”；其次，运用另一种算法将全部扫描结果按特征排序，并将它们整合成模型。最后，运用第三种算法寻找并移除无效扫描结果。

　　“此次研究工作的重要贡献在于，研究人员演示了如何自动开展这一过程。”约克大学计算机视觉专家威廉·史密斯（William Smith）指出。他并未参与此次研究。德国达姆施塔特弗劳恩霍夫计算机图形研究所（Fraunhofer Institute for Computer Graphics Research）的艾伦·布伦顿（Alan Brunton）也表示，给大量人脸的面部特征打标签是一件“极为繁琐”的工作。“你以为打标签不过是点一下面部特征点，但其实没那么容易，有时很难看清嘴角究竟在哪里，因此即使纯靠人工、也难免出现误差。”

　　但布斯和同事们并未因此止步。他们将这一方法运用在了一组包含近一万张具有显著人口学差异的面部扫描结果上。这些扫描结果由整形外科医生艾伦·波尼亚（Allan Ponniah）和戴维·杜纳威（David Dunaway）在伦敦的一家科学博物馆采集，他们希望能改进重建手术的效果。于是他们找到了帝国理工学院的计算机科学家斯蒂法诺斯·扎菲里厄（Stefanos Zafeiriou），帮助他们分析数据。

　　他们将新算法运用在这些扫描结果上，创建了“大规模面部模型”（简称LSFM）。与现有模型同时接受测试时，LSFM模型的精确度要高得多。在进行其中一项对比时，他们用一名儿童的照片打造出了该儿童的面部模型。利用LSFM打造出的模型看上去和该儿童很接近，但大多数现存变形模型生成的面部模型看上去仅仅是一位与之无关的成年人，因为后者以成年人数据为基础。布斯和同事们甚至收集了足够的扫描结果，打造更加精确的、包含不同种族和年龄人群的变形模型。他们的模型可以依据面部形状，自动划分其年龄范围。

布斯的团队已将这一新模型投入使用。在另一篇论文中，研究人员利用10万张由LSFM模型合成的人脸对一款人工智能程序进行训练，让其将普通的2D快照转化为精确的3D模型。该技术可帮助我们从其它角度观察摄像头捕捉到的犯罪嫌疑人、或是预测其20年后的相貌。我们甚至能利用历史人物肖像、打造栩栩如生的人物模型。

　　LSFM模型还具有医学应用价值。若某人鼻子出现缺损，该技术便可帮助整形外科医生根据其它面部特征、预测装上新鼻子后的外观。面部扫描还可用于诊断威廉氏症候群患者，该疾病常与心脏疾病和发育迟缓相关，还有鼻子较短、嘴巴较宽等面部特征。更精准的面部模型和差异信息可提升此类测试的敏感度。正如波尼亚指出，这一新模型“为我们打开了新大门”。

　　接下来，研究人员准备将面部表情加入到模型中，无论你在皱眉还是冷笑，都能被识别出来。扎菲里厄表示，他们将返回博物馆，对更多游客的面部进行扫描。