今天亚马逊Rekognition针对人脸检测、分析和识别功能推出了一系列更新。这些更新将为用户带来多项能力的改今,包括从图像中检测出更多人脸、执行更高精度的人脸匹配以及获得图像中的人脸得到更准确的年龄、性别和情感属性。Amazon Rekognition的客户可以从今天开始使用这些增强版功能,无需额外付费,也不需要具备任何机器学习经验。
“人脸检测”试图回答这样一个问题:这张照片中有人脸吗?在现实世界的照片中,很多因素都会对系统是否能够准确地检测人脸产生影响。这些因素可能包括由头部运动和/或相机运动引起的姿势变化,由于前景或背景物体造成的遮挡(例如被前景中另一个人的帽子、头发或手挡住了脸),照明变化(例如低对比度和阴影),光线太亮导致脸部变暗,低质量和低分辨率导致脸部模糊,以及相机和镜头本身的失真。这些问题将表现为漏检(有人脸但检测不出来)或误检(即使没有人脸也会将某一块图像区域检测为人脸)。例如,在社交媒体上,不同的姿势、相机滤镜、灯光和遮挡(例如照片上的图标)都非常常见。对于金融服务行业,作为多因素认证和防欺诈工作流程的一部分,验证客户身份需要将高分辨率自拍(脸部图像)与身份证件(如护照或驾驶执照)上的低分辨率、小且模糊的脸部图像相匹配。此外,许多客户必须从强光下拍出的照片中检测和识别低对比度的人脸。
基于最新的更新,Amazon Rekognition现在可以将上述极具挑战性场景的图像的人脸检测能力提升40%以上——在这些场景下很多图像中的人脸都是检测不出来的。同时,错误检测率也降低了50%。这意味着社交媒体应用等客户可以获得更加一致且可靠的检测能力(更少漏检,更少误检),从而使他们能够在个人资料照片自动审查等使用场景中提供更好的用户体验。此外,与我们之前的模型相比,人脸识别现在从大规模人脸数据集中返回正确的“最佳”匹配(最相似的面部)的能力提升了30%。这使客户能够在防欺诈等应用中得到更好的搜索结果。面部匹配现在在不同的光照、姿势和外观上也具有更一致的相似性得分,从而使客户可以使用更高置信度阈值,避免错误匹配,并减少身份验证等应用中的人工审核。与往常一样,对于涉及公民自由或客户情绪的使用场景,如果匹配的准确性至关重要,我们建议客户使用最佳实践,采用更高的置信度(至少99%),并始终进行人工审核。
现在让我们看一些图像,看看Amazon Rekognition如何处理在不同环境中得到的非常有挑战性的图像。
姿势变化
拍照时如果相机从呈锐角的角度拍摄人的脸部(比如从脸部上方或下方拍摄的照片)、脸部侧视图或照片的主体看向远处时,可能会遇到这个问题。这个问题通常在社交媒体的照片中、自拍照或者时装照中频繁出现。人脸检测算法很难从这类照片中检测人脸,因为在很多情况下可能只能看到不到一半的脸,或者脸部可能以比较少见的角度倾斜(比如上下颠倒)。
特殊的采光情况
如果出现低对比度、低亮度设置或极端对比度,采光条件可能使人脸识别变得很有挑战性。 在这种情况下,人脸检测算法可能会出现一些问题,因为在低亮度时面部特征和背景之间没有足够的对比度,或者,由于光线太亮,面部特征可能会被模糊化,使它们难以辨别。
模糊或遮挡
这类挑战一般出现在以下几类照片中:带有艺术效果的照片(自拍或时尚照片、视频动作截图)中,物体被部分遮挡(比如时尚摄影中可能人脸会被彩绘或头发遮挡),清晰度不理想的照片(身份证件中的照片)。 在这种情况下,脸部的所有特征都不是清楚可见的,因此人脸检测会很有挑战性。
现在,开放Amazon Rekognition支持的所有AWS区域都已经提供了这些人脸检测和识别功能的更新。 如果要开始使用,你可以在Amazon Rekognition控制台中尝试最新版本并参阅文档。
阅读原文:Amazon Rekognition announces updates to its face detection, analysis, and recognition capabilities