OpenFace-人脸识别

借助OpenFace，人脸识别曾经一度被保留下来，例如情报和安全服务之类的东西，现在也已为大众所用。

需要说明的是，有很多人脸检测库（例如OpenCV）和应用程序（例如Facebook或Picasa），但这是关于人脸识别的，这种应用程序很难在公共场合找到。

OpenFace改变了这一切。它是一个基于Python和Torch的开源人脸识别实现，基于深度学习和神经网络。因此，它依赖于作为流水线一起工作的许多组件，每个组件的输入都基于前一个组件的输出。它们是dlib和OpenVC，用于人脸检测，对齐和转换。 Torch机器学习库，用于实现深度学习；神经网络模型本身。

典型的工作流程将从向dlib提供一组图像开始，然后将其进行魔术处理并检测出封闭的面孔，在其周围放置边框，然后将其裁剪为96x96像素宽的区域。然后将脸部对齐并变形，以使眼睛和下唇出现在每个图像上的相同位置，因为脸部可能处于不同的方向。新发布的OpenFace 0.2.0通过消除多余的人脸检测周期来改进这些对齐和转换过程，从而使执行时间减半。

然后，将由dlib处理的人脸用作nn4深层神经网络组件的输入，该组件会将其映射到128维单位超球面上，因此每个人脸以128字节表示。由于对齐过程的工作方式，即使在早期阶段，nn4仍可以识别出两个人脸的特征之间的距离（欧几里得）距离不匹配时，两个人脸不属于同一个人，而该距离直接对应于一个人。面部相似度的度量。

0.2.0版还通过采用更有效的神经网络训练技术来提高nn4的性能，将其准确性从76.1％提高到了令人印象深刻的92.9％！

当然，该模型必须在数据集上进行训练，因为该模型与其所基于的数据集一样好，这类似于“您的图片是否值得纪念？”中探讨的情况。

这些神经网络模型已经过版本控制，当前版本为nn4.v2，可以用不同的方式和不同的数据集进行训练。当前的模型是结合使用FaceScrub和CASIA-WebFace集进行训练的，但是作者正在寻找更大的数据集，一个建议是Megaface。

最后，在完成nn4处理后，可以应用自定义分类技术完成识别任务。

所有这些现在都可以向公众使用，因此，您可能想知道谁将使用它以及出于什么目的？

实际上，除了监视之外，还有许多应用程序，例如使用面部识别进行身份验证以消除假冒行为； VR和游戏；甚至通过帮助他们确定回头客及其偏好来使业务更加以客户为中心，以便他们可以提供更好的客户体验。

另一方面，使用这种技术引起了许多隐私和公民自由问题，因为在权威政府的手中，它可能成为控制群众的工具。它还通过引入将实际状态链接到一个人所处的地方的能力来跟踪公共活动，从而损害了隐私权，这种情况直到现在才可以通过信用卡交易监控或捕获其移动设备的MAC地址来实现。想象一下个性化广告的范围。

它有可能助长本已很麻烦的情况，在这种情况下，隐私及其诸如密码术之类的保护措施受到严重攻击，从而模糊了逃避隐私与使用监视作为犯罪和恐怖对策之间的界限。

由于法律没有为应对此类技术带来的挑战做好准备，因此无法跟上技术的进步，因为它无法解决上述任何难题。

但是，可以肯定的是，这一技术赋予了强大的力量，而强大的力量带来了巨大的责任。正如作者自己所说：

“请负责任地使用！我们不支持在侵犯隐私和安全性的应用程序中使用此项目。我们正在使用它来帮助认知障碍用户感知并了解他们周围的世界”

让我们希望他们的要求得到尊重。