現在混在職場，如果不懂一點人工智能的知識都不敢說你跟上了時代。況且你還是一名産品經理，技能之一就是八面玲珑又要有求知的欲望，不斷地學習和吸收新的知識。誰能通俗的做個專業知識科普？又站在PM新人的角度思考和聊聊呢？

此文的目的？讀後能得到什麼？

1. 此文獻給不是AI産品經理但是想了解一些人工智能知識的同學，想學專業方法論的請繞行。
2. 讓你在茶餘飯後閑談時，參加大咖的AI交流沙龍時，面試Ai公司準備資料時，更熟悉和從容。
3. 我希望用小白最能懂的話解釋一些我們不懂的知識，因為我和你都是AI領域的修行者。

文章分為6個部分：

1. 人工智能淺談
2. 人臉識别是什麼
3. 人臉識别的産品實現路徑
4. 國内外比較出名的公司
5. 人臉識别核心技術
6. 人臉識别的應用分類和案例

一、人工智能淺談

人工智能今年被提的次數太多了，互聯網的幾個大風口有金融，AI，醫療，教育。

AI進入了很多的領域并讓大家熟識，從自動駕駛汽車，到智能客服機器人，再到智能家居。 你似乎可以讓任何商品（例如醫療健康藥櫃，智能音箱，無人車等），通過人工智能的技術使其更加智能和有趣。

目前各類文章經常提到人工智能的三個分類，有技術角度的，也有産品角度的。

在我理解，人工智能這類産品是技術驅動的産品，在百度，騰訊這樣的公司都有AI部門，很多PM每天都要面對大量的技術文檔和一些偏技術術語的資料，和傳統的pm的知識結構差異很大。所以目前很多AI的産品經理的職責和工作内容還都很模糊和不确定。每個想幹和已經在幹的AI公司都在各種摸索中。

每1個分類，我都整理了一句話，我覺得是比較易懂和有價值的金句。

技術角度的三個分類

在很多學術文章裡面和進入到AI工作領域後，總會大量提到這些漢字和單詞。初學期慢慢來懂這些詞和事，我們先混個眼熟。大家記住技術儲備和技術人才在AI領域的地位。

1. 認知AI （cognitive AI）：認知計算是最受歡迎的一個人工智能分支，負責所有感覺“像人一樣”的交互。認知AI必須能夠輕松處理複雜性和二義性，同時還持續不斷地在數據挖掘、NLP（自然語言處理）和智能自動化的經驗中學習。
2. 機器學習AI （Machine Learning AI）：機器學習是要在大數據中尋找一些“模式”，然後在沒有過多的人為解釋的情況下，用這些模式來預測結果。
3. 深度學習（Deep Learning）：深度學習是許多現代語音和圖像識别方法的基礎，并且與以往提供的非學習方法相比，随着時間的推移具有更高的準确度。

産品角度的三個分類

人工智能的産品路徑也可分為三步或三類：

1. 識别
2. 判斷決策
3. 創造生成

圖像識别，語音識别，人臉識别都屬于識别部分。人臉比對，活體判斷屬于判斷決策階段，最高階的是生成和創造階段，比如圖像語音合成，古詩詞自動作文。

在目前的發展階段，降峰pm覺得判斷和決策類的産品更有産品和商業價值。不但是識别還有結果判斷輸出，可以提高很多事情的效率。

人工智能的産品分為圖像，語音，自然語言，文字，用戶畫像等等很多方向。

一個AI平台的架構圖

你會發現裡面的模塊很多。子業務線也很多。

今天我先整理一個子集，圖像領域的人臉識别方向。後續還有續集。

二、人臉識别是什麼

在《速度與激情7》中就出現一個名為“天眼”的智能系統，可随時調用遍布城市的攝像機進行追蹤，通過面部特征迅速準确定位，發動全城圍捕。而《諜影重重》《國家公敵》等衆多電影中，都出現過用人臉識别技術進行快速身份鑒别等橋段。炫酷高科技經常能把觀衆迷得不要不要的。

傳統的人臉識别技術主要是基于可見光圖像的人臉識别，已有30多年的研發曆史。但這種方式在環境光照發生變化時，識别效果會急劇下降。解決光照問題的方案有三維圖像人臉識别和熱成像人臉識别，但這兩種技術還遠不成熟，識别效果不盡人意。另外，基于主動近紅外圖像的多光源人臉識别技術迅速崛起，它可以克服光線變化的影響，在精度、穩定性、速度方面的表現不俗。

如今，人臉識别在日常生活中的應用場景已非常寬泛。很多在安防和犯罪追捕方面有很多的案例。

例如：日本政府将人臉識别投入到2020年東京夏季奧運會的安全安保系統。

一句話總結：人臉識别，是基于人的臉部特征信息進行身份識别的一種生物驗證技術。

三、人臉識别的産品實現路徑

1、人臉檢測 ，找到臉

人臉檢測與分析技術，是人臉識别的第一步。是指對于任意一副給定的圖像，采用一定的策略對其進行搜索以确定其中是否含有人。

2、人臉對齊，找到五官位置

主要的目的就是在人臉區域進行特征點的定位，在人臉表情有變化，頭部有姿勢變化時仍能夠精确定位人臉的主要位置，例如：嘴巴，鼻子，眼睛等位置。

3、人臉校準和相似度度量，做判斷和決策

主要是1:1和1:N的識别問題，确認兩張人臉是不是一個人和海量圖片庫識别相似臉等問題。

簡單說人臉識别的基礎就是先從一張圖中識别出人臉位置，逐步把人臉上的特征點定位到，然後再做人臉校驗和人臉識别等事。

下圖這個案例就是一個人臉識别的效果：

檢測圖中的人臉，并為人臉标記出邊框。檢測出人臉後，可對人臉進行分析，獲得眼、口、鼻輪廓等72個關鍵點定位準确識别多種人臉屬性，如性别，年齡，表情等信息。

後面再給大家舉一些案例展開。

四、國内外比較出名的公司

1、國内知名公司

目前國内的公司發展的很快，大家感興趣可以搜索如下一些網站獲取更多信息和免費體驗的資格。

每個公司的介紹就不一一寫了。人工智能這林子太大了，想把鳥都抓齊不現實。不分排名前後，歡迎補充。

（1）騰訊優圖

（2）百度AI 天智平台

天智是基于世界領先的百度大腦打造的人工智能平台，提供了語音技術、文字識别、人臉識别、深度學習和自然語言NLP等一系列人工智能産品及解決方案，幫助各行各業的客戶打造智能化業務系統。

（3）曠視科技FACE

美圖秀秀這款神器，一直搭載了曠視科技的人臉識别技術：人臉關鍵點監測、大規模人臉監測等。

（4）漢王人臉識别

（5）雲從科技 cloudwalk

（6）商湯科技SenseTime

（7）DeepGlint-格靈深瞳

（8）Linkface

（9）飛搜(FaceAll)科技

（10）科大訊飛

2、國外知名公司

除了國内這幾家人臉識别公司之外，國外也有很多優秀的公司，比如：

• 美國Identix公司
• 美國Bioscrypt公司
• 德國Cognitec Systems公司
• 西班牙Herta Secunty公司
• 日本NEC公司
• 日本Softwise公司

五、人臉識别核心技術

核心技術有6類，在某個角度看，也是識别的路徑步驟。

大家了解一下這些名詞：

1. 人臉檢測跟蹤
2. 五官關鍵點檢測
3. 人臉像素解析
4. 表情，膚色，種族，性别等元素識别
5. 活體檢測和識别驗證
6. 負責大量級的人臉檢測及檢索

大家還記得第三章的示意圖片麼？裡面就包含了前4個部分的結論。

降峰老師重點談下活體檢測。目前金融行業都在用活體檢測來進行風控識别能力的建設。我們在借款，付款時，會遇到讓你拍攝正面照圖片，再眨眨眼睛 搖搖頭這些動作，就是在進行活體檢測，證明你就是你，你是活的而不是圖片。防止欺詐。這個有機會單獨給大家将金融風控時單獨談。有很多檢驗的元素點和比對内容。

六、人臉識别的應用分類和案例

目前應用的場景比較多。我們簡單列舉幾類：

1. 人證比對
2. 人臉驗證
3. 人臉識别查找
4. 人臉美化

一些場景

如果再設想一些場景，會有如下一些場景，很多都已經實現了：

1. 上班打卡 刷臉考勤，不用帶工卡，智能門禁
2. 入駐酒店景區，識别身份，給予VIp待遇。案例：烏鎮閘機
3. 啟動汽車，無鑰匙進入
4. 刷臉支付，不用帶卡帶手機，直接扣款支付。案例：百度錢包
5. 多圖對比尋找唯一個體，比如100張王珞丹和100張白百合放在一起，找不同。

更多補充中。

如今2017年，人臉識别的識别率已經很高了。這個技術怎麼商業化、怎麼玩将會被進一步挖掘。暗流湧動的割據戰現在正在拉開，安防、社交、金融的市場份額将鹿死誰手？我認為場景很豐富，玩法很多。

作者：降峰，十年産品人。百度金融資深産品經理，原海南航空産品總監，目前從事互聯網金融方向産品設計和産品架構工作。微信公衆賬号：風之學堂

本文由 @降峰 原創發布于人人都是産品經理。未經許可，禁止轉載。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部