用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

说起BuzzFeed,很多人都知道他是一家新闻聚合网站,这家公司就相当于美国的“今日头条,致力于从数百个新闻博客那里获取订阅源,通过搜索、发送信息链接,为用户浏览当天网上的最热门事件提供方便,被称为是媒体行业的颠覆者。

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

当然,既然是美国的”今日头条“,BuzzFeed的人类们都是十分喜欢“搞事情”,就比如自亚马逊的人脸识别系统Rekognition,把28位美国议员认成了罪犯,他们就决定亲自实验一下。

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

不过,BuzzFeed测试的不是Rekognition这套系统,而是同属亚马逊的一个名人识别AI,它是Rekognition这套系统的一个更新版本,于是,BuzzFeed便把FBI通缉犯的507幅图像拿去给AI做了匹配。

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

△ 画家Bob Ross与通缉令上的Mike W. Jackson

结果,吉他手啊,演员啊,画家啊,纷纷与通缉犯高分匹配成功。AI一共完成了17次置信度 (Confidence) 95%以上的匹配。

在另外一项用NIST脸部数据集做的测试里,AI还把美国前国务卿赖斯,和一非裔男子被捕后的照片,匹配在了一起,置信分是96%。

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

△ 美国前国务卿赖斯

机智的你可能发现了,这套系统让人不解的重点不在明星和通缉犯的匹配,却在于这些匹配并非勉勉强强拉个人凑数,AI却很有信心的给出了“错误”答案。

为什么会这样?BuzzFeed也想知道,于是他们联系了亚马逊。结果,得到的答复,可能比实验结果还要让人惊喜,因为亚马逊解释道:名人AI根本就不是一个人脸识别系统……

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

亚马逊说,别看名人AI是作为Rekognition的一次更新,它们两个其实是完全不同的产品。名人AI是个娱乐产品,会在社交网络或者搞笑App这样的地方出现。

就比如,加勒比海盗的杰克船长,画了很浓的妆,跟强尼戴普平时的样子相差不少,名人AI还是会给你一个很高的置信分,告诉你他们两个是同一个人。

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

而同样的一组图,喂给Rekognition的话,两者匹配的置信分数,可能就只有50%-60%了。

但是,普通人是没有办法感觉到这样的差异的。毕竟Rekognition已经“认错”了那么多人,作为了Rekognition的升级产品,亚马逊不但没有解决之前的“问题”,反而“错”的越来越离谱了,这让很多人都不能接受,而相比起亚马逊的Rekognition系统,同样是在“认贼”这件事儿上,深圳警方的动态人脸识别系统可是“靠谱”太多了!

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

前段时间,深圳市龙岗区派出所民警发现其辖区内有个小伙子很奇怪,七进七出派出所,每次偷一辆自行车,价值200元,被抓到经教育再释放后,他又去继续偷车,警察很是无奈。

怎么办呢?警察想到了人工智能——利用动态人脸识别原理来抓贼!

通过对偷自行车的人的技术数据挖掘,把这个嫌疑人作为这个档案库的第一条记录放进去进行跟踪。

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

两天后,发现他又骑着一辆新的自行车,这次民警不再对其进行抓捕或者询问,而是在系统里面通过动态人像系统进行自动的跟踪。

第二天,他骑到了一个修车铺,把车卖给了修车人员。这个修车人员经过民警的研判,很有可能是一个销赃人员。

销赃人员的人像被录入系统,作为系统的第二条记录,进行自动的监控和监管。

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

视频监控发现,又有另外一个小伙子骑车到同样一个修车铺,把车卖给了修车人员。

警察判断,这个小伙子也有可能是区域内的偷窃自行车的人员,并这个小伙子作为第三条记录纳入系统。

就这样,在一人一档的动态人脸识别系统的帮助下,通过几个月下来积累的数据进行串案、并案,在合适的时机,公安局决定在这个区域进行收网,最终,

一举抓获了在本区域内跟偷自行车和销赃相关的318人。

说到这里,你或许会被深圳警方这套“动态人脸识别系统”所“折服”,不过,你是否有想过,这么一套厉害的动态人脸识别系统要是能用在马拉松的比赛当中,那是不是能有效避免之前层出不穷的替跑蹭跑现象呢?

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

▲马拉松赛前跑者通过人脸识别领取装备

由于之前马拉松蹭跑、替跑事件的层出不穷,现在不少赛事都引入了人脸识别系统,不过传统的人脸识别系统只会在跑者领取装备、赛前检录进入赛场使用,无法涵盖赛场各个环节,一旦出现有人从非赛道入口进入赛道并仿制号码簿进行蹭跑替跑,或者有参赛选手抄近道的现象,那等同于直接绕过了赛前人脸识别的这一道关卡,可是,如果组委会方使用了“动态人脸识别系统”,即使出现这样的情况系统也能很快识别出蹭跑替跑者,可以快速的将他们直接带离赛场。

马拉松组委会可考虑与路边志愿者手机、照片服务商拍摄照片、以及其他摄像头拍摄视频的后台进行整合,从多数据源对整个比赛过程中照片进行智能视频分析管理,这样就能轻松起到避免蹭跑替跑抄近路的问题了!

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

▲去年在跑圈闹得沸沸扬扬的北马三人同框事件

作为一家专注于运动类赛事信息化智能技术平台的集成开发和运营的企业,动夕科技一直拥有着马拉松赛事中的人脸识别领先技术,比如上面提到“动态人脸识别”功能就是动夕科技所掌握的人脸识别的技术之一,能拥有这样领先的人脸识别技术,这和动夕科技与中国电信上海理想信息产业(集团)有限公司的合作有着密不可分的关系。(以下简称:理想公司)

理想公司是中国领军的人工智能产品公司,以深度学习和物联传感技术为核心,立足于中国电信自有原创深度学习算法引擎,深耕金融安全,城市安全,手机AR,商业物联等核心行业,致力于为企业级用户提供全球领先的人工智能产品和行业解决方案。

比起一般的人脸识别系统,理想公司的动态人脸识别最显著的特点就是不需要停驻等待,你只要出现在一定识别范围内,无论你是行走还是停立,系统都会进行抓拍,然后再与进行整合进行对比。而动态识别这一特点正好符合马拉松比赛中跑者“川流不息”的场景。

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

基于深度学习算法的人脸抓拍摄像头,可实时提取人脸,拥有局部识别能力,即使人脸在局部遮挡的状体下,只要能识别出关键特征,也能实现人脸准确识别。

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

动态人脸识别,基于海量的动态场景的深度学习算法,通过机器人学习平台,不断改进学习,解决开放场景下低头、侧脸、逆光、部分遮挡问题,做到人像捕捉又快又准。

用FBI通缉犯照片集考验亚马逊人脸识别,BuzzFeed意外发现了隐情

总之,现在随着国内马拉松比赛的越来越多,比赛选手的管理对于赛事组委会来说绝对是最为重要的一环,如果能在赛事中运用到这样高效智能的人脸识别系统,那对于赛事主办方来说也可以投入更多的人力到赛事的服务中去,这不论对于赛事本事和比赛参赛者来说都是利大于弊的,所以,如果恰好是赛事的主办方,又恰好想在比赛中运用到智能体育所带来的便利,那就不妨来找动夕科技试试看吧~


分享到:


相關文章: