0
雷锋网按：2020年，基于福州市“e 福州”平台架构及资源基础,福州市建立起城市级人脸识别公共服务平台，在此平台上建设“地铁刷脸通行”应用场景，及其他五个拓展试点应用场景(校园刷脸点名、医院刷脸取号、图书馆刷脸借书、政务服务刷脸取号、园区企业刷脸考勤)，并将逐步拓展至生活服务、社区管理、城市管理等其他人脸识别应用。
这是全国首个城市级人脸识别公共服务平台。那么，城市级别的人脸智库是什么概念？全国首发背后有何奥秘？
在技术层面已非常成熟的人脸识别让刷脸应用无处不在，然而为什么地铁层面的应用一直未能真正普及？
地铁刷脸，并非只是人脸识别的问题，它是人脸智库容量及承载能力、快速反应、实地环境，支付安全、工程能力等诸多因素的庞大系统问题，远非满足人脸识别技术所能解决。
城市级地铁刷脸项目，更是一场技术与落地能力的综合大考核，放眼AI界，能轻易通过这种考核的并不多见，依图算一个。
纵有万难，依图依然呈现出一份理想照进现实的惊喜，细究，雷锋网AI掘金志发现，依图将冗杂问题细化成四个部分，逐一击破。
人脸识别准确率如何确保？
支付安全如何保障？
通行速度如何更快？
光照变化如何解决？
如何实现？我们一一来看。
最基础、核心的问题，闸机是否会识别不出或误识别。
回答这个问题要先理解人脸识别三大应用模式。
1:1，终端设备将用户事先注册的照片与临场采集的照片做对比，判断是否为同一人，可以简单理解为证明你是你，手机人脸解锁、人脸支付都属于1：1核验。
1：N，系统采集了“我”的一张照片之后，从海量的人像数据库中找到与当前使用者人脸数据相符合的图像进行匹配，找出来“我是谁”，如小区门禁、考勤。
M：N，是通过计算机对场景内所有人进行面部识别并与人像数据库进行比对的过程。
M:N模式中，N的人像数据库要足够大，才能实现M中任一人脸的精准快速识别，因识别基数大、人脸数据库源壁垒、图像采集受环境影响等因素，使M:N模式难度大、要求高，且可能产生较高的错误率。
由此，1:N模式成为地铁刷脸项目首选，但即使是“退而求其次”的选择，门槛也非比寻常。
地铁的日客流量经常达百万次，如果把地铁刷脸项目当作建房子，N即是城市级统一的高质量人脸库，这是地基；连接的运营系统有能支撑千万量级底库的能力，则是房子的钢筋骨骼；专用传感器则为砖块。
满足以上条件后，这房子还没通电：缺一个超高识别率。国家标准为95%以上，但实际落地中，这个数据造成的误识别率对地铁而言难以接受，而极高的识别率背后是极高精度的算法。
除此之外，还需并同轨交业务系统进行深度融合和工程优化。
以上条件缺一不可，解决一个识别问题尚且存在如此高门槛的硬性指标，谁有这般实力？答案是：依图。
作为业界第一个具备提供千万量级底库能力的AI公司，依图是最早面向公共服务及民生领域承建统一城市级人脸识别平台的公司。这次在福州“荷枪实弹”的落地应用，依图也为业界划出了一条基准线：城市级的人脸识别应用，千万底库才是起点。地基打好，钢筋水泥已筑；识别精准率方面，依图已将这一指标提升到了接近极限的水平，即在千万分之一误报下的识别准确率已经接近 99%，电力就位；
在依图的“第一个千万”中，支持百万级日通行量，一百万人次比对误识率小于1，日客运量百万人次时刷脸通行的日比对次数将达到万亿次以上，做到万亿分之一的误报率。
有人会问，外地人搭乘地铁怎么办？
福州选择双管齐下。一方面，通过“市级人口信息库+周边城市人口信息库”组合的方式，最大限度提高数据库覆盖率；另一方面，扩容未注册的外来人口，用极简步骤引导乘客在刷脸过闸时注册并录入信息。
第二大难题则是支付安全。在现今无法达到100%识别率情况下，如何最大程度保证安全是各个刷脸应用的难题。
算法立命的依图祭出拿手武器：“高精度算法+自监督学习+在线学习算法”相结合策略：最小化失误率，最简化追补程序，持续优化算法。
支付流程的首要问题依然是技术，具备万亿级人脸识别算法水平的依图，在支付时使用高精准度的算法，结合了全场景风控预防差错，将人脸识别错误率降至极低水平，比如，日均百万通行时误识率降至个位数。
对于“个位数”误识别的补救，系统采用的是单边交易，故而不会出现交叉扣费，方便乘客申诉退回金额。
上述方案已不失为一种解决方法，依图追求的并非“不失为”，而是“绝对”，为了完善乘客免拿手机或卡这一小步，依图精益求精，意图从根源解决问题。
一则，“自监督学习+在线学习算法”赋予系统自我学习和纠错能力，比如，可以主动事后质检机制发现错误，结合客服反馈，对差错交易进行修正和补偿。二则，利用每天刷脸用户的情况自动优化算法模型，解决容貌变化带来的影响。这套策略下的系统刷得越多，精度越准。
现今普遍的通行方法：刷卡和二维码，卡易丢失，忘带，损坏，并且退换卡麻烦；二维码在高峰时段容易网络拥堵，二维码打不开，造成人员拥堵。
“更快”、“更顺滑”是人们对刷脸的隐形期待，也是硬性要求。
依图刷脸识别带来的速度和体验可称之为质的提升：1分钟45人的“瞬间”过闸体验。
这个过程可以解释为：毫秒时间内在千万智库内精准搜出一张照片，并与系统、闸机联动。
依图凭什么？凭其人像识别比对系统可在秒级内完成单张人像查询亿级数据库后返回精准结果的超强算法；凭其超高的性能、效能与超低功耗的芯片提供的强劲算力；凭其系统间工程高度融合的能力。
极致体验，说到底是极强的算力、极快的算法，是极优的端到端方案闭环加上工程融合能力，承载这系列能力的结果是，依图做到业内最快最准。
具体来说，一层，提供专用设备、平台，并和地铁原系统做好对接优化，因此前端设备感知极快、平台比对响应快、同轨交业务系统间的通信快；一层，优化AI算法能力，采用高可用的云计算和微服务架构，最大程度提升人脸活检、检测、比对等环节响应速度。两个层面交互融合，从而实现系统间响应速度和超大吞吐量。
光线一直是实地识别中是无法规避的现实问题，地铁车站的光线环境本就不完全统一，且每个闸机口的光线随时间变化。
各车站光线环境不一下规模化部署下已非易事，另外还需考虑单个车站的光线变化。一面是规模化部署的特性，一面是光线随时间变化的属性，规模化工程如何满足个体特性变化需求？
依图答：红外+可见多模态识别算法实现活检。
红外线解决夜间光线不足，增强夜间场景识别能力，配合多模态识别算法，地下、地上、半地下、白天、夜晚，在不同光线条件下，都能在保障识别精度前提下，解决不同站点光照变化对于识别性能的影响。
其实，刷脸只是其中一个层面，整个系统是包含客诉处理、流程监控、数据管理、运维监控在内的完整业务闭环。
早在2019年12月，依图就在贵阳全城地铁站上线刷脸乘车功能，彼时此功能是全球首次在城市公共交通领域正式运行，且全线路、全通道刷脸无感支付。
技术上依图一直处于领跑地位。
多次在世界顶尖人脸识别比赛中盘踞榜首，又将触手伸向最火热的ReID领域，近日宣布用AutoML取代人工调参，深度优化ReID算法框架，算法性能达到业界迄今最高标准。
在AI落地时代，玩转算法的依图“折腾”起芯片，定义“算法即芯片”，逐渐扩展为一个软硬一体化的公司，在AI下半场对客户、项目、市场的比拼中，依图的算法、芯片能否在落地中发挥最大效益，取决于依图是否具有自我造血能力和扩张能力。
目前来看，依图是一个被“自我驱动”包裹的企业，哪怕只为提高一秒的时间，哪怕只为增添一分的便利，也以一百分的姿态投入。那些以十分的意志，寻求十二分的成长可能的企业，会永远跑在圆谷辛吉德跑道，跑在自我训练的途中，会在技术与落地中不断自我进化中繁衍出鲜活的果实，反哺其根基。而技术日精月进、落地稳扎稳打、被资本看好的依图，未来是否会带给我们更多惊喜？雷锋网雷锋网雷锋网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
