百度人臉識別搜索是怎麼實現的？

來源：新浪創世紀

如果用戶給出一張圖片，百度識圖會判斷裡面是否出現人臉，如果有，百度識圖在相似圖片搜索之外，同時會全網尋找出現過的類似人像。

如何通過一張圖片，找到另一張圖片？

對於搜索引擎而言，尋找圖片之間的內在聯系，與常見的關鍵詞搜索並沒有本質區別——都是通過關鍵特征的比對，按照一定的邏輯規則完成匹配。然而不同之處也是顯而易見的，以圖片為輸入發起的搜索，存在多種搜索含義的可能。

比方，一張圖片可能既包括風景又包括人，用戶想要尋找的是類似風景、類似布局結構的圖片還是類似的人？谷歌以圖搜圖功能，甚至可以根據一張圖片猜出拍攝地，但並不會嘗試對圖片中的人物精確匹配。多數搜索引擎都會如此。

而且大部分以圖片作為輸入的搜索引擎，例如tineye(2008年上線)、搜狗識圖(2011年上線)等，本質上是進行圖片近似拷貝檢測，即搜索看起來幾乎完全一樣的圖片。2010年推出的百度識圖(shitu.baidu.com)也是如此。

在經歷兩年多的沉寂之后，百度識圖開始向另一個方向探索。

上周的百度年會中，李彥宏特意提到百度識圖：“以圖搜圖的准確率從20%提升到80%”。不過與之前相比，百度識圖找到相似圖片的能力似乎並未顯著提升，那麼改變從何而來？李彥宏把這種明顯的提升歸因於剛上線的人臉識別搜索。

與之前的區別在於，如果用戶給出一張圖片，百度識圖會判斷裡面是否出現人臉，如果有，百度識圖在相似圖片搜索之外，同時會全網尋找出現過的類似人像。

新增加的技術簡而言之，首先是人臉檢測並提取出特征表達，隨后再據此進行數據庫對比，最后按照相似度排序返回結果。其實，人臉檢測並不是新技術，相關研究已有三十年歷史，然而直到去年底，百度才決定推動這一技術付諸實施。

這裡面自然有戰略層面的考慮。兩年前，李彥宏就對未來做出讀圖時代的判斷﹔去年的KDD大會上，李彥宏提出的九大待解技術挑戰中，基於內容的圖像搜索技術被列在第三﹔現實層面百度的圖片相關產品、雲相冊等均對這一技術有需求。

百度還希望借助這一途徑，挖掘圖片之間的聯系，進而激發二次瀏覽。然而要把想法變為現實，百度至少要解決兩個問題：一是算法，二是數據。

——算法方面。同樣是基於圖片進行搜索，人臉識別和以圖搜圖並不一樣。百度資深工程師陶吉告訴創事記，百度人臉識別首先並不關注完整的圖像結構，其次顏色也沒有任何意義。最主要的特征表達來自於臉部紋理，並進行一些再加工。

具體算法作為商業機密，難以對外界披露。不過資料顯示，目前人臉識別算法中LBP是比較流行的一種特征提取方式，即通過像素周邊8個臨近像素的灰度值和中心灰度值比較，得到一個八位編碼，然后再根據編碼的直方圖進行分類。

而影響算法效果的因素還可能包括預處理、特征選擇、特征點定位精度、分類器設計和后處理乃至各種方式的融合、閾值選擇等各個方面。

一張圖片中，人臉至少有40×40像素(約一個指甲蓋大小)，才會被當作有效的識別對象。如果一張圖片中多個人像，目前百度的解決辦法是僅識別尺寸最大的那個，未來百度將提供焦點選擇功能，用戶可以通過選點確定搜索對象。

——數據方面。算法的改善如果算是充分條件，數據的處理則是必要條件。從機器搜索的角度看，光照、姿態、表情、角度等因素，均是影響巨大的因素，所謂“笑和不笑，都是不同”。所以用來訓練的數據量越大，變化的包容性就越好。

人臉識別搜索實際使用時，同一張人臉積累的數據越多，越能在匹配對比時提供更好的支持。為此百度需要把全網近百億規模的圖片抽取出來，然后把沒有人臉的數據去掉，再海量掃描一遍，建立起盡量高效的索引。

人臉識別引入搜索引擎，必然會加劇外界關於隱私泄漏的擔心。百度強調人臉搜索隻會在公開的信息范圍內進行，封閉的個人相冊並不會被觸及。

這還涉及准確率、召回率等概念。假設數據庫裡有一百張劉德華的圖片，用劉德華的頭像發起搜索，前50張結果中40張是真正的劉德華，那麼前50張的召回率就是40%，准確率是80%。同樣假如數據庫中隻有兩張路人甲的圖片，當用路人甲的頭像發起搜索，前50張可能隻有1張真正的路人甲，那麼前50張的召回率是50%，准確率是2%。

由於名人在網上的照片較多，能被用戶感知到的准確率要比普通人高很多，而召回率是用戶感知不到的。據透露，人臉識別搜索技術會在百度雲相冊內部進一步結合，幫助用戶在圖片之間建立聯系，而且未來不排除開放API的可能。

除了上述技術討論之外，從百度的研發體系看，人臉識別搜索也頗具代表性。

這個先后投入幾十個工程師、百度基礎技術部的多媒體部門負責核心算法的項目，去年11月下旬立項，12月底就已經上線運行。這個速度在百度並不常見，因此也有人半開玩笑的說這是百度近期“改作風”運動成效的代表。

值得注意的是百度新成立的基礎技術部。這個部門由百度首席科學家王海峰帶領，並且直接向李彥宏匯報。據說一些李彥宏會親自參與一些重點項目。自然語言處理、互聯網數據挖掘、多媒體、推薦和個性化等技術研發，均由百度基礎技術部負責。

還是在百度年會上，談及近期遇到的挑戰，李彥宏稱百度不會忽視渠道的價值，但技術才是未來產業的關鍵。“相信技術的力量，未來就在我們手裡”，李彥宏發出這樣的號召。顯然，百度的“變奏”已是必然要上演。

(孟鴻)