美军开发远程人脸识别系统，可实现1公里内目标识别 - 安防知识网

SOCOM 的文件说明也指出，这项技术可以与执法机构共享。

　　近日，New Science 刊登了一篇报道：美国军方正在开发一种便携式人脸识别设备，能够识别一公里外的目标。

　　这是美国特种作战司令部（SOCOM）正在实施的“远程技术的高级战术人脸识别”项目，项目开始于 2016 年，去年 12 月曾演示了一个工作样机，为量产版本铺平了道路。目前，这项研究正在进行中，何时面世，SOCOM 未透露。

　　为无人机设计的远程人脸识别系统

　　据了解，这一技术设计的初衷，是用于手持设备和无人机，目标对象甚至可以在不知情、不面对镜头的情况下被识别出来。因此，有人权倡导者也对此表示出担忧。

　　SOCOM 的文件说明也指出，这项技术可以与执法机构共享。

　　据报道，该设备是由位于弗吉尼亚州阿灵顿的 Secure Planet 公司开发，该公司主要生产基于数码单反相机进行远程人脸识别的设备，并在标准笔记本电脑上运行商用人脸识别软件。这些设备的识别范围一般约为 300 米，想要延长设备识别距离并不像给相机增加一个更长的镜头那么简单，因为这会增加镜头振动产生的噪音。

　　大气湍流也是一个关键问题，因为空气就像一个不断变化的哈哈镜，在温暖的天气中，会有热光效应。新的超远距离识别系统面临的挑战是，如何将捕捉到的图像转换成足够清晰的、可用于护照处理软件的图像。

　　目前尚不清楚还不清楚 Secure Planet 公司在多大程度上实现了这一目标，但澳大利亚国防部一个团队最近开发了一种算法，该算法能够整理大气湍流，帮助远程人脸识别。其他研究人员尝试使用卷积神经网络将一系列模糊的图像转换为单个清晰的图像。神经网络也可以帮助从复杂环境中提取图片。在护照检查时，被拍摄对象是静止不动的、而且看着相机，并且光线充足。

　　而在野外，脸部可能处于不合适的角度，移动中、光线差，或被阴影、头巾、太阳镜或其他障碍物遮挡。用神经网络进行人脸识别，本质上还是基于人脸特征提取的方法，通过多层网络卷积降维来提取主要特征，对样本图片的输入来自动形成特征提取器和分类器，从而形成适合于检测和识别目标的模型。比较常用的神经网络有卷积神经网络（CNN），递归神经网络（RNN），深度神经网络（DNN）。

　　同样，机器学习系统可以将在复杂环境中拍摄的图像转换为类似护照照片的图像。“原则上，这样的技术可以在一公里范围内使用。”印第安纳州圣母大学的 Walter Scheirer 说，“我们还没有突破对远程人脸识别的基本限制，我们还没有将光学或算法推向极限。”但是，Walter Scheirer 对目前的技术能否实现在这样的范围内进行可靠的识别表示怀疑。他说，“我想知道成像环境是什么样的，他们是在一个天气晴朗、阳光灿烂的日子里，来做这件事吗？”

　　人权角度看技术

　　国际特赦组织人权组织的 Rasha Abdul-Rahim 认为这项技术令人不安。Abdul-Rahim 说，“在伪装下，技术将更加准确地区分战斗人员和非战斗人员，我们看到了一种非人性化的举措，而且使用武力的门槛正在降低。”

　　Abdul-Rahim 表示，这可能是迈向全自动武器的一步，这种武器可以在没有人类有效控制的情况下找到目标，并攻击它们。她呼吁对此进行一次有见地的公开对话，并要求透明使用该技术，尤其是人脸识别系统的工作原理。

　　“在政府能够证明它符合人权法之前，这种技术根本不应该使用，尤其是在这种算法将决定生死的情况下。”Abdul-Rahim 说。