重磅 |《3D人臉數據採集標註要求及方法》技術規範發布！
目前，人臉識別已走進我們的生活，在機場安檢、上班考勤、銀行開戶、網上支付等各個場合乎隨處可見。現在主流的技術基於攝影機類型人臉識別有兩種，基於2D人臉識別或基於3D人臉識別，這些都有實際商用的案例。但是由於3D影像還可以獲取距離資訊，對照片欺騙等具有更好的鑒別能力，所以3D人臉識別的精度和安全性遠勝於2D，可以預測3D人臉識別將會成為未來主流的發展方向。
現階段人工智慧技術主要以監督學習為主，強烈依賴大規模高品質的數據。數據越多越準確，智慧識別的精度越高。例如新研發一個智慧視覺演算法，需要數萬張不等的標註影像訓練，定期優化演算法還需要大量的影像數據，3D人臉識別同樣如此。而大規模高品質數據集構建，需要有相對統一或形成共識的規範進行指導。
但是，目前的人工智慧智慧視覺、人臉識別尤其是數據相關的規範或標準較少，雖然中國《資訊技術生物特徵樣本品質第5部分：人臉影像數據》等標準已於2019年實施，但是僅涵蓋人臉影像的基礎內容（未涉及3D人臉數據）；3D人臉數據相關的國際規範或標準更是沒有。所以2020年8月，國家標準委等五部委印發的《國家新一代人工智慧標準體系建設指南》，明確提出圍繞人臉識別等相關技術開展標準化工作，應該將未來主流的3D人臉識別及數據方向納入工作範疇。
基於以上情況，數據堂聯合中國科學院軟體研究所人機交互技術與智慧資訊處理實驗室、中國科學院自動化研究所複雜系統管理與控制國家重點實驗室、廈門大學、中國科學院計算技術研究所智慧資訊處理重點實驗室等人工智慧演算法研究機構的高校、院所一起聯合發布《3D人臉數據採集標註要求及方法》技術規範文件。
該文件旨在通過研究3D人臉數據採集標註的要求及方法，形成技術規範（或者行業標準），指導3D人臉識別的基礎數據集構建，加快促進3D人臉識別的演算法研究及應用。通過明確3D人臉識別的行業數據規範，提高數據集建設效率、降低數據集採集的成本、形成通用的數據集並加快數據要素的流通，從而整體上加快人臉識別是演算法技術和應用創新，提升基於人臉識別的身份安檢、金融支付等行業技術水平。
