“刷脸”坐火车，就是这么酷

近几年，全国各地的火车站的进站通道相继启用了人脸识别系统，持二代身份证和磁卡车票的旅客仅需三到六秒便可从该通道直接“刷脸”进站。那么，这些系统的背后隐藏着哪些不为人知的人脸识别技术呢？让我们一起进入今天的“走近人脸识别”。

人脸识别系统能够给出一对人脸图像的相似度，从而判断两张人脸是否是同一个人。当旅客持身份证刷脸时，系统会自动提取身份证和现场照的特征进行比对，比对分数高于一个阈值则通过，否则核验失败。

目前，深度学习在人脸识别界具有统治地位，其使用深度网络为每张图像提取特征，并要求同一个人照片的特征相似度高，不同人照片的特征相似度低。在训练神经网络时，基于分类的方法是主流，其将每个人当作独立的类别，要求神经网络能够准确辨认出训练集中的所有人。

然而，分类训练的计算消耗与类别数直接相关。在实际场景下的人脸识别数据具有人数极多、但每人的平均样本数极少的特点，他们通常由各大火车站、机场，以及各个银行中的人证核验系统收集而来。如下图所示：

因此每个人的人脸图片只有两张，一张身份证照、一张现场照。但是数据中的人数是海量的，一般可达上百万甚至千万级，这种数据称为大规模双样本数据。面对这些真实场景下的人证数据，现有的方法会遇到巨大的挑战，例如类内变化不足使得训练难以收敛以及海量类别数对计算设备的极端要求。

为了解决真实场景下的人证核验问题，中科院自动化所提出了基于深度学习的大规模双样本学习方法。其中，为了应对双样本数据带来的类内变化不足问题，研究人员提出了分类-验证-分类的训练策略来逐步提高人证核验性能；为了降低海量样本数带来的计算压力，提出了显著样本选择来增强深度学习在超大规模分类上的扩展性。

在分类-验证-分类（CVC）训练策略中，整个训练过程被分为三个阶段。第一阶段为 “预习”阶段，其在类别均衡的名人数据库上训练深度神经网络，以获得基础人脸知识。第二阶段为“迁移学习”阶段，其使用度量学习在大规模双样本数据上进行微调，将人脸知识从自然场景迁移到人证场景。第三阶段为“强化学习”阶段，其构建了一个特殊的分类层对百万级类别进行大规模分类，最终达到人证场景下的最优性能。该分类层能够寻找与当前样本最相似的少数显著类别进行训练，极大降低大规模分类的计算需求。

该人脸识别框架能够大幅提高人证核验场景下的识别性能，并应用于几千万甚至上亿人的人脸识别任务。

来源：中国科学院自动化研究所