◆ “云从科技”创始人周曦，80后的他曾拿到6次人工智能识别竞赛的世界冠军。

文| 铅笔道 记者 汪晨

►导语

2011年，FERA国际表情识别分析挑战赛上，周曦带领的研究团队再一次拿到了冠军。这是他第六次拿到人工智能识别的世界冠军。

奖状到手时，周曦眼里没有喜悦，而是陷入思考和焦虑。“除了炫技，拿奖再多也没啥用。计算机视觉技术能应用在哪？”

2015年5月，在中科院的支持下，他成立云从科技，并在初始阶段获得佳都集团、杰翱资本6000万元天使轮融资。

他从人脸识别方面切入，将其应用在安防、金融领域数十个场景，为银行、公安等客户提供软件、硬件（与摄像头、智能终端厂商合作）定制化服务。在银行大厅内，人证合一（人脸与身份证比对识别）产品的人脸识别准确度最高为99%。

目前，公司与38家企事业单位签订正式合同。其中，团队为银行提供了46个产品和人脸识别解决方案。

去年12月，公司获得A轮融资，投资方未公布。

注: 周曦承诺文中数据无误，为其真实性负责，铅笔道已备份录音速记，为内容客观性背书。

回国研发人脸识别技术

周曦痴迷于人工智能技术。中科大上学时，他改良了星际争霸的AI，校内高手难以击败它。

2006年，微软亚洲研究院的推荐下，他师从伊利诺伊大学黄煦涛教授，学习计算机视觉理论。此后5年时间，他屡次参赛获奖。

但他很苦恼：为何自己获奖无数，却无法让技术深入寻常百姓家。“那时我们能识别万物，但除了炫技，证明你的识别率比别人高之外，并没有什么用处。”

2011年，中科院重庆研究院打算创办中科院智能多媒体技术研究中心，专门研究、探寻计算机视觉技术的具体应用方案。周曦回国担任领头人。

两年间，团队开发了智能换发换衣、人脸属性分析、大规模人群统计分析等人工智能系统。之后，他们在中科院人脸识别团队测试中获胜，用人脸识别技术提升新疆地区的安防布控水平。

但安防领域的应用还未让周曦感到异常兴奋，“毕竟安防离人们的生活还非常远”。

2014年，在一次中科院的内部学习会上他得知，芬兰公司Uniqul研发出了一套人脸支付系统。虽然技术还未成熟，但给了周曦启发。

研发过程并不困难。3个月内团队研发出了一套人脸支付原型系统。

不过，空有一套原型还不够，系统本身得通过实地检验。

开发中途，中心的20人研发团队让他觉得捉襟见肘，无法适应日渐增多的落地项目，团队需要扩容。另外，“技术若要大范围推向市场，应用到商业生活当中，还需以一家公司为载体”。

2015年5月，周曦与李继伟（负责基础算法研究）、温浩（负责项目管理）一同建立云从科技，并获得佳都集团、杰翱资本6000万元天使轮融资。

人脸支付的应用机会也随着新公司的创立到来。海通证券找到了周曦，希望他们运用人脸识别技术，开发一套远程开户系统，让用户不出门，在手机上开户。周曦接下了这笔订单。

算法技术的移植并不难，难在维持系统稳定性上。识别一张人脸，需要在毫秒间扫描上十个关键点，运算量是普通密码登录的数十倍。未优化的情况下，当多个用户用人脸识别时，手机App常常会崩溃。

为了解决运算量问题，团队决定将运算任务拆分，运算量小的照片质量检查、人脸检查放在手机端实现，运算量大的光照规整、人脸特征比对等任务放在服务器后端运作。

之后，App的手机适配出现问题，部分手机使用该功能时仍有跳出崩溃现象。此时距离此功能上线推出仅有一周，周曦带着团队，在海通证券的上海办公室闭关开发。

2015年5月下旬，远程开户功能正式在海通证券App上线。此时正是行情大涨的时期，用户开户量最大。周曦盯着眼前的服务运行报告，有些紧张，一天不敢合眼。

幸运的是，开户功能运行基本顺利，没有出现大规模崩溃的情况。

金融领域商用

去年9月，广东财经大学的建行网点从平常的简约风格换成了华丽风。学生进出时，大厅语音会呼唤名字，向他们问好。走到自助购物机前，学生不用银行卡和手机，直接刷脸支付。

背后，云从科技为其提供技术支持。“两年前研究的识别人脸换发型、搭配眼镜等好玩的技术，都用在了这上面。”

但在3个月前，人脸识别技术还远未成熟。初期，在稳定的室内场景下，人脸识别率仅接近于人眼72%左右的水平。“相当于一个小孩刚刚开了点窍，但要达到大师水平还需时日。”

而在安防领域，人们恰恰不愿意配合，“犯罪分子肯定尽可能捣乱”。加上环境复杂，自然光等因素影响，想要做到精准的面部识别更加困难。

周曦想先在简单行业内做落地，金融行业是首选。“银行大厅等室内环境内，人会配合你做识别认证，而且大多是室内环境，光线不会急速变化，对识别造成干扰。”

人证合一（人脸与身份证比对识别）是公司第一个选择攻关的场景，主要用于银行柜台等场合。

不过，要运用深度学习理论，不断训练人脸识别准确度，没有“教材”——大量人脸图像数据——还不行。“否则就是巧妇难为无米之炊了。”

为了解证件照与真实人脸的差异，团队上街发传单，请蓝领工人、白领办公族等各类人群参与采集，到各个公安局的身份证照片采集点拍照，研究各个采集点拍照环境（光线、角度等）的差异，以及它们所造成的具体影响。

◆工作人员正在测试系统

单有这一点还不足，团队还需要在银行场景内采集带有详细数据标签的照片，方便科研团队寻找人脸识别的细微规律。

为此，他们专门搭建了可拆卸、移动的摄影、灯光阵列。摄影阵列由91台高速摄像机组成，每台摄像机的角度差为5°，灯光阵列与此类似。

团队将阵列放置在银行大厅、柜台等位置，在不同拍照、光照角度下，编排不同场景的剧本，采集大量带有明晰灯光、摄影角度标签的图像数据。

之后，团队在图像截取、人脸捕捉、特征点提取等算法模块外加入角度修正、3D建模等模块，通过深度学习、调整各个模块的参数，训练、提高人工智能在人证合一场合下的识别率。“最高可达99%。”

最后，团队与银行、终端厂商合作，将技术集成到相关的智能终端当中。

◆柜面人证合一机器

除了人证合一场合外，团队陆续帮助银行将人脸识别技术用在智能金库、VTM无纸化业务办理、ATM取款、手机银行等场景中，“应用场景确实超过我们原来的预期”。目前，团队为银行提供了46个产品和解决方案。

安防领域应用

由于金融应用场景越来越多，人脸图像的数据量也快速增长。加上深度学习理论的应用，云从科技的人脸准确率在去年得到提升。“在人证合一这样的稳定场景下，人脸识别准确度上升至最高99%。”

团队人数也在这一年不断扩张。加上中科院与上海交大两个实验室，公司的全职研发人员有200余人，研发节奏也跟着加快。

今年年初，团队开始接手开发人脸识别安防项目。首先应用的是公安人脸大库检索系统。“之前广东公安从国外引进的系统，识别率仅有5%。”

但公安监控通常位于室外，自然光易变，且大多数犯罪案件在深夜发生，影响因素更多；相比银行大厅1对1的识别环境，人们更不愿配合人脸识别，且多处于远距离、运动状态，获取的影像模糊。

与人证合一场景的开发经验类似，团队同样缺少这类场景下，带有精确标签的影像素材。为此，他们动用了众多科研人员，搭建多个特定条件下的测试环境。

昏暗的灯光下，几位头戴鸭舌帽，别着口罩的男子走了过来。他们刻意避开监控，在一旁的自行车边上转悠。不一会儿，他们“扑了上去”，将自行车锁撬开，骑上车扬长而去。这样的测试场景和剧本安排，研发人员做了上千次。

在将采集的素材标注、整理归类后，团队不断训练算法，并加入新的模块。“单单做这件事，我们就做了半年时间。”

◆现场调试动态人脸识别系统

最终，为广东公安研发的的大库人脸检索系统交付。它可通过监控视频提取人脸图像，对比公安部数据库中的个人身份证照片。目前，这一系统检索的第一张人脸结果准确率为50%左右，系统也陆续在18省的公安系统推广。

在将静态大库检索系统用于追逃、寻人、常住人口/流动人口查询的同时，团队陆续在交通要道、机场、火车站、社区等安防场景应用动态人脸识别系统，用于区域布控。

◆动态人脸识别系统

当下，云从科技与38家企事业单位签订正式合同，提供定制化技术开发服务，其中包括农行、建行、中国银行三大国有银行。价格方面考虑开发难易程度、市场价格水平等因素定价。

为了服务客户，云从科技成立了10余家分公司，100余名销售服务人员在各省配合安装系统，为当地银行人员、公安人员提供操作培训。

/The End/

编辑   薛  婷    校对   赵芳馨