现在混在职场，如果不懂一点人工智能的知识都不敢说你跟上了时代。况且你还是一名产品经理，技能之一就是八面玲珑又要有求知的欲望，不断地学习和吸收新的知识。谁能通俗的做个专业知识科普？又站在PM新人的角度思考和聊聊呢？  

此文的目的？读后能得到什么？

1. 此文献给不是AI产品经理但是想了解一些人工智能知识的同学，想学专业方法论的请绕行。
2. 让你在茶余饭后闲谈时，参加大咖的AI交流沙龙时，面试Ai公司准备资料时，更熟悉和从容。
3. 我希望用小白最能懂的话解释一些我们不懂的知识，因为我和你都是AI领域的修行者。

文章分为6个部分：

1. 人工智能浅谈
2. 人脸识别是什么
3. 人脸识别的产品实现路径
4. 国内外比较出名的公司
5. 人脸识别核心技术
6. 人脸识别的应用分类和案例

一、人工智能浅谈

人工智能今年被提的次数太多了，互联网的几个大风口有金融，AI，医疗，教育。

AI进入了很多的领域并让大家熟识，从自动驾驶汽车，到智能客服机器人，再到智能家居。 你似乎可以让任何商品（例如医疗健康药柜，智能音箱，无人车等），通过人工智能的技术使其更加智能和有趣。

目前各类文章经常提到人工智能的三个分类，有技术角度的，也有产品角度的。

在我理解，人工智能这类产品是技术驱动的产品，在百度，腾讯这样的公司都有AI部门，很多PM每天都要面对大量的技术文档和一些偏技术术语的资料，和传统的pm的知识结构差异很大。所以目前很多AI的产品经理的职责和工作内容还都很模糊和不确定。每个想干和已经在干的AI公司都在各种摸索中。

每1个分类，我都整理了一句话，我觉得是比较易懂和有价值的金句。

技术角度的三个分类

在很多学术文章里面和进入到AI工作领域后，总会大量提到这些汉字和单词。初学期慢慢来懂这些词和事，我们先混个眼熟。大家记住技术储备和技术人才在AI领域的地位。

1. 认知AI （cognitive AI）：认知计算是最受欢迎的一个人工智能分支，负责所有感觉“像人一样”的交互。认知AI必须能够轻松处理复杂性和二义性，同时还持续不断地在数据挖掘、NLP（自然语言处理）和智能自动化的经验中学习。
2. 机器学习AI （Machine Learning AI）：机器学习是要在大数据中寻找一些“模式”，然后在没有过多的人为解释的情况下，用这些模式来预测结果。
3. 深度学习（Deep Learning）：深度学习是许多现代语音和图像识别方法的基础，并且与以往提供的非学习方法相比，随着时间的推移具有更高的准确度。

产品角度的三个分类

人工智能的产品路径也可分为三步或三类：

1. 识别
2. 判断决策
3. 创造生成

图像识别，语音识别，人脸识别都属于识别部分。人脸比对，活体判断属于判断决策阶段，最高阶的是生成和创造阶段，比如图像语音合成，古诗词自动作文。

在目前的发展阶段，降峰pm觉得判断和决策类的产品更有产品和商业价值。不但是识别还有结果判断输出，可以提高很多事情的效率。

人工智能的产品分为图像，语音，自然语言，文字，用户画像等等很多方向。

一个AI平台的架构图

你会发现里面的模块很多。子业务线也很多。

今天我先整理一个子集，图像领域的人脸识别方向。后续还有续集。

二、人脸识别是什么

在《速度与激情7》中就出现一个名为“天眼”的智能系统，可随时调用遍布城市的摄像机进行追踪，通过面部特征迅速准确定位，发动全城围捕。而《谍影重重》《国家公敌》等众多电影中，都出现过用人脸识别技术进行快速身份鉴别等桥段。炫酷高科技经常能把观众迷得不要不要的。

传统的人脸识别技术主要是基于可见光图像的人脸识别，已有30多年的研发历史。但这种方式在环境光照发生变化时，识别效果会急剧下降。解决光照问题的方案有三维图像人脸识别和热成像人脸识别，但这两种技术还远不成熟，识别效果不尽人意。另外，基于主动近红外图像的多光源人脸识别技术迅速崛起，它可以克服光线变化的影响，在精度、稳定性、速度方面的表现不俗。

如今，人脸识别在日常生活中的应用场景已非常宽泛。很多在安防和犯罪追捕方面有很多的案例。

例如：日本政府将人脸识别投入到2020年东京夏季奥运会的安全安保系统。

一句话总结：人脸识别，是基于人的脸部特征信息进行身份识别的一种生物验证技术。

三、人脸识别的产品实现路径

1、人脸检测 ，找到脸

人脸检测与分析技术，是人脸识别的第一步。是指对于任意一副给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人。

2、人脸对齐，找到五官位置

主要的目的就是在人脸区域进行特征点的定位，在人脸表情有变化，头部有姿势变化时仍能够精确定位人脸的主要位置，例如：嘴巴，鼻子，眼睛等位置。

3、人脸校准和相似度度量，做判断和决策

主要是1:1和1:N的识别问题，确认两张人脸是不是一个人和海量图片库识别相似脸等问题。

简单说人脸识别的基础就是先从一张图中识别出人脸位置，逐步把人脸上的特征点定位到，然后再做人脸校验和人脸识别等事。

下图这个案例就是一个人脸识别的效果：

检测图中的人脸，并为人脸标记出边框。检测出人脸后，可对人脸进行分析，获得眼、口、鼻轮廓等72个关键点定位准确识别多种人脸属性，如性别，年龄，表情等信息。

后面再给大家举一些案例展开。

四、国内外比较出名的公司

1、国内知名公司

目前国内的公司发展的很快，大家感兴趣可以搜索如下一些网站获取更多信息和免费体验的资格。

每个公司的介绍就不一一写了。人工智能这林子太大了，想把鸟都抓齐不现实。不分排名前后，欢迎补充。

（1）腾讯优图

（2）百度AI 天智平台

天智是基于世界领先的百度大脑打造的人工智能平台，提供了语音技术、文字识别、人脸识别、深度学习和自然语言NLP等一系列人工智能产品及解决方案，帮助各行各业的客户打造智能化业务系统。

（3）旷视科技FACE++

美图秀秀这款神器，一直搭载了旷视科技的人脸识别技术：人脸关键点监测、大规模人脸监测等。

（4）汉王人脸识别

（5）云从科技 cloudwalk

（6）商汤科技SenseTime

（7）DeepGlint-格灵深瞳

（8）Linkface

（9）飞搜(FaceAll)科技

（10）科大讯飞

2、国外知名公司

除了国内这几家人脸识别公司之外，国外也有很多优秀的公司，比如：

• 美国Identix公司
• 美国Bioscrypt公司
• 德国Cognitec Systems公司
• 西班牙Herta Secunty公司
• 日本NEC公司
• 日本Softwise公司

五、人脸识别核心技术

核心技术有6类，在某个角度看，也是识别的路径步骤。

大家了解一下这些名词：

1. 人脸检测跟踪
2. 五官关键点检测
3. 人脸像素解析
4. 表情，肤色，种族，性别等元素识别
5. 活体检测和识别验证
6. 负责大量级的人脸检测及检索

大家还记得第三章的示意图片么？里面就包含了前4个部分的结论。

降峰老师重点谈下活体检测。目前金融行业都在用活体检测来进行风控识别能力的建设。我们在借款，付款时，会遇到让你拍摄正面照图片，再眨眨眼睛 摇摇头这些动作，就是在进行活体检测，证明你就是你，你是活的而不是图片。防止欺诈。这个有机会单独给大家将金融风控时单独谈。有很多检验的元素点和比对内容。

六、人脸识别的应用分类和案例

目前应用的场景比较多。我们简单列举几类：

1. 人证比对
2. 人脸验证
3. 人脸识别查找
4. 人脸美化

一些场景

如果再设想一些场景，会有如下一些场景，很多都已经实现了：

1. 上班打卡 刷脸考勤，不用带工卡，智能门禁
2. 入驻酒店景区，识别身份，给予VIp待遇。案例：乌镇闸机
3. 启动汽车，无钥匙进入
4. 刷脸支付，不用带卡带手机，直接扣款支付。案例：百度钱包
5. 多图对比寻找唯一个体，比如100张王珞丹和100张白百合放在一起，找不同。

更多补充中。

如今2017年，人脸识别的识别率已经很高了。这个技术怎么商业化、怎么玩将会被进一步挖掘。暗流涌动的割据战现在正在拉开，安防、社交、金融的市场份额将鹿死谁手？我认为场景很丰富，玩法很多。

作者：降峰，十年产品人。百度金融资深产品经理，原海南航空产品总监，目前从事互联网金融方向产品设计和产品架构工作。

本文由 @降峰 原创发布于人人都是产品经理。未经许可，禁止转载。