雷锋网 (大众号：雷锋网) AI 科技评论按：2018 年 4 月 14 日-15 日，中国图象图形学学会围绕「生物特征辨认」这一主题，在中科院自动化所成功举行了第四期「CSIG 图像图形学科前沿讲习班」。

生物特征辨认 (BIOMETRICS)，是指经过计算机应用人体所固有的生理特征（指纹、虹膜、面相、DNA 等）或行为特征 (步态、击键习气等) 来停止团体身份鉴定的技术。

本期讲习班约请有旷世科技首席迷信家孙剑，中科院自动化所研讨员孙哲南、山世光、郝然、王亮，清华副教授冯建江、徐明星，中山大学教授郑伟诗等八位学者辨别就人脸、虹膜、指纹、步态、音纹等人体特征的研讨现状做了详细报告。

雷锋网在本文中将对 15 日王亮、郑伟诗、徐明星、山世光的 4 场精彩报告停止引见。

王亮：步态辨认的停顿，机遇和应战

中科院自动化所的王亮研讨员首先开讲，为大家带来步态辨认的报告。

首先王亮研讨员引见了步态辨认的概念。步态是一种生物行为特征，步态辨认的原始数据是人类行走视频，步态辨认就是经过视频中的步态特征辨认行人。

接着王亮研讨员引见了步态辨认的历史与传统步态辨认办法。步态辨认的概念来源十分早，亚里士多德就曾剖析过植物的步态。之后阅历了19世纪的图片、影像运动研讨，到20世纪则有了运动形式的概念。1997有了第一篇生物步态论文。当下则运用深度学习停止步态辨认。至于传统形式辨认办法，王亮研讨员将其概括为基于模型的步态辨认和基于姿势的步态辨认。

王亮研讨员进一步引见了以后基于深度学习的步态辨认。王亮研讨员接着引见了他们团队目前采用基于CNNs的多视角人类步态辨认技术，这项技术的辨认效果良好。这项技术目后面临训练数据过少的成绩。

最初王亮研讨员引见了如何树立一个复杂适用的的步态辨认零碎。该零碎运用端到端的深度神经网络来停止步态联系以及步态辨认。引见完技术，王亮研讨员还展现了零碎demo，他表示当前会着手处理多人堆叠等步态辨认急需处理的成绩。

郑伟诗：行人重辨认及其若干难点成绩

中山大学郑伟诗教授接着做了行人重辨认的报告。

首先郑伟诗教授引见了行人重辨认的概念，即在不同的场景或摄像头下如何定位辨认同一团体，去追踪这团体的运动。随后，他围绕行人重辨认这五年的开展和目前学术上的研讨两个方面停止引见。

在五年开展历史这一局部，郑伟诗教授从 2013 的基于 Handcrafted Feature 的 Re-ID 不断引见到如今他目前正在做的 Metric Learning。往年郑伟诗教师团队还将超分辨率和 Re-ID 结合在一同。

至于以后的学术研讨，郑伟诗教授提到他们把行人重辨认中传统的 Metric Learning 变为非对称的。这是一个很好的的处置办法。在面临分歧性的成绩，郑伟诗教师采用 LDA 的办法来处置该成绩，并获得很不错的后果。

郑伟诗教授最初总结道，不应该把行人重辨认看作一个复杂辨认成绩，实践使用中的成绩十分复杂。在数量众多的摄像头跟踪进程中有一个摄像头出错很能够就会丧失目的，这是一个很值得研讨处理的课题。

徐明星：语音处置技术在无监视身份认证中的使用

清华大学的徐明星教授从产、学、研等方面引见了语音处置技术特别是声纹辨认的使用。

徐明星教授首先引见了根本概念。声纹属于行为特征（区别于人脸等生理特征）。相较于生理特征，语音具有双向传递信息、周边无死角、高可变性与独一性完满一致等特点。这些特点不只让语音合适用作辨认，也因而仅凭软件算法就可以避免攻击。

引见完根本概念，徐明星教授将目前的声纹使用概括为以下几个局部：

• 一：挪动领取。

• 二：社保生活认证。

• 三：社区矫正零碎。

• 四：公共平安。

• 五：电子政务。

• 六：挪动范畴。

• 七：车联网、门禁、考勤。

徐明星教授进一步补充使用中的应战即对鲁棒性的要求。其中包括环境相关的声纹鲁棒性，说话人相关的声纹鲁棒性，使用相关的声纹鲁棒性。

徐明星教授最初引见了以后的声纹辨认开展比拟好的方向，包括语音领取、网络平安、生物认证等。

山世光：人脸辨认的近期停顿与使用

中科院计算所研讨员山世光作为最初一位讲者，做了本期讲习班最初一场关于人脸辨认技术概略的报告。

山世光研讨员首先引见了深度学习对人脸辨认的影响。次要包括这几个方面：

• 一：基于CNN的人脸检测，之后拓展为多义务 CNN 和 PCN。

• 二：完全端到端的级联CNN用于人脸特征定位。

• 三：基于卷积神经网络的特征提取，再在卷积神经网络之前加上ReST停止人脸辨认。

  本着网络面前人人平等的原则，提倡所有人共同协作，编写一部完整而完善的百科全书，让知识在一定的技术规则和文化脉络下得以不断组合和拓展。

接着山世光研讨员引见了比拟高阶的新任务。包括新的损失函数如L-Softmax 、A-Softmax 、CosFace 、ArcFace 、Range Loss 、L2-constrained Softmax Loss 、Ring loss 。姿势稳健的人脸辨认如DREAM（Deep Residual Equivariant Mapping CVPR2018 ）。以及基于视频的人脸辨认如DCRL（Discriminative Covariance Oriented Representation Learning ）、DAN（Discriminative Aggregation Network ）等。

山世光研讨员紧接着引见了以后中国比拟好的使用方向，例如智慧社区和智慧楼宇的人脸验证，省级甚至全国级的身份查重等。他表示深度学习给人脸辨认带来的变化是天翻地覆的，从检测到特征定位到辨认都发作了质的变化，这个变化的次要指的是错误呈现的数量级下降。但目前，依然需求处理大数据下的精度成绩，以及假脸等攻击成绩。

以上是雷锋网全部报道，CSIG 图像图形学科前沿讲习班第四期至此落下帷幕。两地利间，八位专家为大家带了非常精彩又干货十足的报告，对人脸辨认、声纹辨认、指纹辨认等生物特征辨认范畴的技术开展历史、技术原理、开展现状、将来前景等停止了深化引见。

。