上周日晚于央视综合频道播出的《加油！向未来》第二季中，一台名叫“小加”的人脸识别 机器人引起了全国观众的关注。据悉，这台人脸识别机器人是由中国科学院自动化研究所模式识别国家重点实验室研究员王金桥所在科研团队一手打造。初次参加综艺节目的王金桥略显羞涩紧张，但当谈起他的“孩子”小加时，脸上满是藏不住的笑容和自豪。
王金桥一上台便被主持人撒贝宁打趣道：“原来您这么年轻”。殊不知今年已经是王金桥从事人脸识别相关技术的第十三个年头了，如今王金桥在人脸识别技术领域已算是佼佼者！其团队研发的人脸识别技术曾多次协助公安部门寻回走失人口。除了在“寻回走失人口”领域的重要贡献，对于人脸识别技术未来在实际生活中的
应用，他更是畅想到：“刷脸时代即将来临”。
人脸识别技术再升级 狗脸识别挑战难度大
2004年，是王金桥从事人脸识别相关技术的第一年，当时他的主要研究人群仅限于
视频中的演员，其研究目的也只是用来做电视剧的内容分析和理解。谁能想到，在之后的十三年间，王金桥便一头钻进了人脸识别技术领域，并研究出了精准度极高的人脸识别机器人小加。此次，小加在《加油！向未来》中上演了一场绝无仅有的精彩首秀，面对一字排开体型、毛发一致的18只比熊犬，在以人类肉眼几乎难以辨认的情况下，小加不带丝毫犹豫地说出了正确答案。据小加的“父亲”王金桥介绍，在身份证与现场照比对方面，在百万分之一的虚警率下，小加人脸验证准确率达到99%以上。小加的识别算法在中远程动态监控人脸识别表现十分突出，在十万分之一的虚警率下，小加人脸识别准确率达到85%。而这场令人印象深刻的狗脸识别展示实际上要比人脸识别难度更大。
事实上，人脸的特征与狗脸相比更加丰富，比如根据疤痕、肤色、痣、发型等显著的特征可以让我们记住和区分不同的人脸，而这些特征在狗脸上基本体现不出来，更别说是同一品种相似体型、相同毛发的狗。面对如此挑战，王金桥团队则采用了自主设计的深度耦合神经网络算法来攻克这一难关，这种算法可以挖掘到丰富的狗脸局部和全局特征，突出那些能够有效区分不同狗狗的精细化的差异，同时忽略同一品种狗狗之间的共性特征，从而实现高效的狗脸识别。相比于狗脸识别技术，王金桥团队的人脸识别技术也采用了这种基于深度学习的低功耗深度耦合神经网络算法，它能够同时捕捉到人脸的全局结构特征和局部细微差异，从而学习到一个人的个性化人脸特征。而不同的是，当前市场上的算法通常难以克服姿态和光照变化带来的影响，为了解决这一历史性的难题，王金桥团队通过引入三维人脸模型，提出了一种三维形变神经网络，能够实现高精度中远距离的人脸动态识别。
人脸识别技术助走失亲人重聚 社会公益属性凸显
在王金桥看来，人脸识别技术虽然挑战难度大，但也有着很大的应用前景，人脸识别作为一种不需要用户刻意配合，非接触式的生物识别技术，它在实际生活中有着非常广泛的应用。其中最令人瞩目的当属人脸识别技术在社会公益领域做出的贡献。
在上周日《加油！向未来》的舞台上，王金桥讲诉了这样一个故事。2016年河南省嵩县一名男子见到一位和自己非常相像的人后，立马想起了失散已久的双胞胎弟弟，因此特意向民警求助寻找。而民警在接到消息后，也立马采取了当事人的脸部数据图像，再通过小加的人脸识别技术，帮助当事人成功找回了失散四十年的兄弟。不仅如此，小加的人脸识别技术还曾帮助一位河南省汝州的走失老太太顺利回家。在老太太记不清个人信息的状况下，民警通过采集老太太的脸部区域图像，靠着小加的人脸识别技术在1秒内便成功找回老太太的身份信息，顺利送其回家。
亲人走失对一个家庭来说，往往会带来难以承受的痛苦和折磨，而小加的人脸识别技术可谓是给了他们希望。王金桥还在节目中提到，在未来小加的人脸识别技术会在寻找走失儿童、老人等方面继续发挥其重大作用，帮助更多的走失亲人重聚。
任意场景高精度识别人脸 刷脸时代即将来临
除了在“寻回走失亲人”这样的社会公益领域有突出成就外，王金桥还透露在车票核验、银行业务办理、网络支付、酒店入住等领域，人脸识别技术已经获得了广泛应用。
当提起人脸识别技术在未来的广大前景时，王金桥觉得现在的人脸识别技术虽已获得不错的成就，但依然存在一些需要攻破的难点。其中，人脸识别技术主要还需从如何在恶劣条件下进行识别、如何适用移动端应用的快速识别速度，以及如何在训练数据类比极度不均衡条件下进行识别等三方面攻破。当上述难点克服后，未来的人脸识别技术将会做到对任意场景任意姿态下的人脸进行高精度识别，以及实现中远距离动态人脸识别。
人脸识别技术愈发成熟后，人脸解锁、人脸支付等技术也将随之出现在我们的生活中，此前支付宝就曾提出用“人脸支付”来解决手机没电、没网络等问题。王金桥更是畅想到，不久的未来将会因为人脸识别技术的突破而出现无人售货超市，顾客可以刷脸进入，自由选购商品，结账时也不用再面对收银台前长长的队伍，当走出超市时可凭刷脸自动扣款。对于人脸识别技术的未来，王金桥觉得：“刷脸的时代即将来临”。
