Face Recognition,let’s do something !

<a> </a>
<a> </a>


how-old.net

前段时间微软推出了一个测颜值的网站how-old.net,一经推出便迅速在全世界走红,我自己的朋友圈和微博也掀起了一股测颜值的狂潮。

一、思考火爆的原因

不禁想到了之前的神经猫、脸萌、足记、哥哥扭蛋、抽签在朋友圈的爆红。感觉他们走过的路径是如此相似,莫名其妙在朋友圈爆红,但一切又那么顺理成章。
他们的共同特点如下:
1、足够简单.
用户理解和使用没有任何难度。比如How-old它就只做一件事,就是检测年龄和性别。用户不需要做选择,它只有一个任务,上传照片便得到分析好的图片。
2、足够有趣.
道理大家都很清楚,但为什么自己做一款这样的东西却觉得很难呢?究竟什么是有趣?有趣这种抽象的感觉很难去描述,也因人而异。所以更重要的是它有趣背后更深层的原因。
1、因为它切合了“人们都有自恋的一面”这个点
微软的Eason Wang做了一个twitter分析,50%的用户分享都是在炫耀测试年龄小于真实年龄,30%是比较中立的,20%的是表达自黑或者愤怒情绪。
原分析图如下:

原统计分析图

2、带来了消遣的娱乐、带来话题。
当应用程序测出和实际大致的年龄,大家会赞叹科学的神奇。当它的有点不准时,大家没有损失并且有了消遣时的谈资。这种积极的情绪是会传染的,人们可以谈论测试的结果,以此为娱乐。所以这也不难猜出朋友圈疯传、微博上很多明星、大V玩how old 的原因了。

同理分析“哥哥扭蛋”的火爆是因为抓住了“女孩追星”这个点,满足了女孩的少女心,一定要扭到男神。而如果没有扭到男神扭到像郭德纲这种也给用户带来笑料和娱乐。

足记大片模式切合了文艺少男少女的需求,让分享的内容表达心情的同时变得更有逼格。或许这样的一句回答更能解释它火爆的原因“不是所有人都有颗文艺的心,但是没有人会拒绝轻而易举获得的文艺表达”。

二、看到how-old背后的技术

分析了how-old火爆的原因后其实更应该注意的是它所呈现的技术:人脸识别。

趋势:

早在上个世纪60年代就有科学家研究人脸识别,90年代得到初步运用,如今更是火热。13年谷歌眼镜发布的时候人脸识别进入大众视野;而其实暗地里很多大公司投入了很多精力来研究人脸识别,或收购公司或自己研发。
Google:2011年07月 谷歌收购人脸识别软件公司PittPatt
Facebook:2012年6月 Facebook收购以色列脸部识别公司Face.com
微软:2012年6月 微软亚洲研究院发布人脸检测算法,面部识别系统
网易:2012年5月,网易人脸识别系统全国公测,用于邮箱登陆
腾讯:2012年下半年,优图项目组组建
百度:2012年12月 百度推出人脸识别,基于图像的全网人脸搜索
人脸识别同云服务、大数据一样成为核心,我相信以后也会普遍到我们的生活。今年3月份马云就在德国汉诺威国际信息及通信技术博览会开幕式上展示了“刷脸支付”技术。相关视频下面有链接。

关于人脸识别的API/SDK网站:

“人脸识别”是否是下一个热潮我不知道。但是身为一个互联网团队我觉得我们可以进行一些小的尝试。虽然人脸识别是一项很复杂的技术,但是有很多实力很强的有大公司比如微软就向开发者提供了一些人脸检测和识别的API/SDK,我们可以直接拿来使用。我们不需要造轮子只需要去运用它们。我自己有看十几个关于人脸识别的API/SDK网站,下面给大家介绍几个我觉得比较好的。

1、微软的牛津项目
它不仅提供了面部识别的API还提供语音、远景、智能语音的API,最后一项是邀请制。
其中人脸识别技术包含了以下API:
Face Detection(人脸检测)
检测图像中的人脸,分析面部特征包括脸部的位置、表情、性别和年龄。
Face Verification(人脸验证)
检测两张脸是否属于同一个人
Similar Face Searching(搜索相似图片)
从很多张图片中发掘相似的脸。
Face Grouping(组合图片)
把视觉相似的脸组合成一个整体。
Face Identification(面部识别)

2、rekognition
Orbeus由麻省理工学院和波士顿大学的几个科学家联合创立,他们致力于让Orbeus实现能从照片或视频中识别出所有内容。不仅是人物还有一些动物及物品。对人物的识别得到的数据也更多,除了性别年龄种族等检测还有名人识别,情绪分析。很推荐但是收费。可以用网站上的demo测试看看。

**3、skybiometry **
和rekognition很像,必须注册SkyBiometry帐户才能使用。

**4、Face++ **
Face++是北京旷视科技有限公司旗下的全新人脸技术云平台。马云展示的刷脸支付便是蚂蚁金服和FACE++合作做出的。人脸识别技术在国内是属于绝对领先了。提供免费人脸检测、人脸识别、人脸属性分析等服务。感觉这家公司实力很强,昨天又获得2500w的B轮融资。推荐大家使用。

总结:

总结来说这些网站都是提供这3个服务:
人脸检测:分析一张照片中人脸的位置并且标记下来,实时视频则可以检测人脸位置进行跟踪。
人脸分析:对人脸进行分析,分析年龄,性别,心情,是否戴眼镜,颜值等等
人脸识别:验证匹配同一张脸,调用数据库找出个人信息....可以实现安防检查、VIP识别、人脸登陆等多种功能

启示:

再给大家推荐一个一站式的 API 市场:mashape 避免了开发者查找的麻烦,而且避免阅读各家 API 的调用规范。pm也可以看些开发文档和案例演示。

做这次分享有了很多新的体会,感觉产经虽然不用写代码但也应该多接触这些东西。就像马云在德国的演讲所说:是科技背后的梦想改变世界。有些时候我们会从一些技术的发展中得到启示。我自己也更明白一直以来看36kr,虎嗅等网站的意义,并不是浪费时间毫无收获,而是你可以从中把握互联网的趋势,从中感受到些什么,更加深入地思考到一些什么。

三、what can we do?

我们可以充分运用到前面介绍的sdk,api,打开脑洞想着做出些什么有趣的东西。我自己也在思考怎么很好的把它和游戏结合。
给大家推荐两个做得不错的基于人脸识别的app
一个是游戏:CrowsComing
一个是制作特效照片或视频的app:looksery(it’s really cool!)
也许你会有新的💡

that's all.

参考:
1、10 Reasons Why HowOldRobot Gets Viral
2、How does how-old.net work
3、40多个关于人脸检测/识别的API、库和软件
4、比较好的开源人脸识别软件有哪些?
5、马云德国汉诺威展演讲,演示“刷脸支付”

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,332评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,508评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,812评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,607评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,728评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,919评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,071评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,802评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,256评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,576评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,712评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,389评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,032评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,798评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,026评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,473评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,606评论 2 350

推荐阅读更多精彩内容