起點(diǎn)課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個人IP打造特權(quán)
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導(dǎo)直播
12場專業(yè)技能直播
會員專屬社群
榮耀標(biāo)識實戰(zhàn)分享：如何規(guī)劃一款人臉識別考勤門鎖產(chǎn)品
本文通過一款人臉識別考勤門禁產(chǎn)品，分享初做AI產(chǎn)品過程中的思考和總結(jié)，特別對人臉識別性能指標(biāo)做了詳細(xì)的說明。
目錄
- 為什么是人臉識別
- 確定需求和場景
- 整體方案設(shè)計
- 產(chǎn)品開發(fā)
- 產(chǎn)品測試-人臉識別指標(biāo)詳解
- 總結(jié)
隨著AI技術(shù)興起的浪潮，各種傳統(tǒng)硬件不斷被智能化，以提高效率和體驗?？v觀市面上的AI硬件產(chǎn)品，無非有兩種：
- 一種是傳統(tǒng)硬件企業(yè)以硬件為主進(jìn)行AI賦能，比如智能門鎖、智能冰箱等，核心還是硬件；
- 另一種就是互聯(lián)網(wǎng)企業(yè)以提供AI服務(wù)和內(nèi)容為主的載體終端，比如智能音箱、翻譯機(jī)等，核心是AI服務(wù)能力和內(nèi)容；
硬件不同于軟件，做硬件成本很高，但是隨著市場不斷擴(kuò)大，競爭也越來越大，產(chǎn)品開始同質(zhì)化導(dǎo)致價格不斷降低，利潤也越來越低。所以對于傳統(tǒng)硬件公司來說，一方面需要引入新的AI元素對產(chǎn)品進(jìn)行創(chuàng)新打造差異化，另一方面也要不斷滿足用戶新的需求，保持市場地位。
互聯(lián)網(wǎng)公司在軟件服務(wù)上有明顯的優(yōu)勢——擅長AI技術(shù)研發(fā)以及設(shè)備管理系統(tǒng)、業(yè)務(wù)管理系統(tǒng)、APP等平臺開發(fā)，海量數(shù)據(jù)收集和內(nèi)容提供，具有很強(qiáng)的產(chǎn)品運(yùn)營能力和營銷意識。戰(zhàn)略上作為軟件服務(wù)的延伸，互聯(lián)網(wǎng)企業(yè)也可能會開發(fā)硬件產(chǎn)品，打造新的端到端的閉環(huán)。
做為創(chuàng)業(yè)者，直接從硬件入手門檻非常高，硬件涉及到ID結(jié)構(gòu)、組裝生產(chǎn)、供應(yīng)鏈管理和銷售渠道等方面，需要長期的摸索積累；在這個機(jī)會稍縱即逝的關(guān)口，這顯然不合適。所以，不妨將自己定位為一個AI技術(shù)解決方案和服務(wù)商，為傳統(tǒng)硬件企業(yè)賦能，這樣既能貼合傳統(tǒng)硬件企業(yè)轉(zhuǎn)型升級的迫切需求，又能避開跟大型互聯(lián)網(wǎng)企業(yè)的直接競爭。
本文通過針對200人以內(nèi)企業(yè)的人臉識別考勤門禁一體機(jī)方案，分享一下關(guān)于做AI產(chǎn)品的一些思考和總結(jié)。
一、為什么是人臉識別
人臉識別，是基于人的臉部特征信息進(jìn)行身份識別的一種生物識別技術(shù)。說到生物識別，通常應(yīng)用在智能門禁中的其他生物識別技術(shù)主要包括指紋、靜脈、虹膜、聲紋。對比如下圖所示：
目前消費(fèi)者對智能門禁的關(guān)注順序如下：首先是安全性；然后是長期穩(wěn)定性（5～10年）、便利性、準(zhǔn)確性和成本；其他因素還有外觀、品牌等。綜合上表可以看出，在生物識別上，人臉識別具有很大的優(yōu)勢。
目前市面上關(guān)于人臉識別考勤一體機(jī)的價格主要集中在千元左右，靜脈識別和虹膜識雖然在安全性上很有優(yōu)勢，但便利性不夠、成本太高；聲紋識別準(zhǔn)確性中等，且容易受到噪音干擾，因此也很少選擇這種方案。
目前市面所有的智能考勤門禁一體機(jī)，指紋識別基本上都是標(biāo)配，相比與人臉識別來說，指紋不夠安全也不夠便利，而且對小孩和老人的手指支持不好。
綜上所述，相比其他生物識別方式，人臉識別非常有優(yōu)勢，而且隨著算法的提升和活體檢測等技術(shù)的補(bǔ)充，人臉識別在安全性和穩(wěn)定性上會越來越高，這塊趨勢將越來也明顯。
這里普及一下人臉識別的幾個特點(diǎn)：
- 非侵?jǐn)_性：人臉識別無需被識別者主動配合采集設(shè)備，在不干擾人們的正常行為情況下就能較好地達(dá)到識別效果。
- 非接觸性：人臉圖像信息的采集不需要用戶與設(shè)備直接接觸。
- 并發(fā)性：在實際應(yīng)用場景下可以進(jìn)行多個人臉的分揀、判斷及識別。
- 友好性：通過人臉識別身份的方法與人類的習(xí)慣一致，人和機(jī)器都可以使用人臉圖片進(jìn)行識別。
- 便捷性：采集設(shè)備簡單，使用快捷。常見攝像頭在在數(shù)秒內(nèi)即可完成圖像采集。
通過人臉識別，能夠在保證安全性的前提下，快速地同時對多人進(jìn)行識別，完成快速解鎖通行和排隊考勤等應(yīng)用場景，體驗非常好
二、確定需求和場景
需求分析是產(chǎn)品經(jīng)理的基本功，做需求分析的時候一定要結(jié)合具體的場景。
比如我們的人臉識別考勤門禁一體機(jī)，主要是用于200人以內(nèi)的中小公司，一般安裝在公司大門口，使用時間早晚比較集中，使用對象包括員工和HR等。不同的場景對需求的具體滿足方式提出了不同的要求，也就是對產(chǎn)品方案的要求。
一般客戶會提出大概的需求，產(chǎn)品經(jīng)理需要仔細(xì)考慮每一個需求描述，結(jié)合自身對競品、場景和技術(shù)的了解，設(shè)計產(chǎn)品方案，并反復(fù)與客戶溝通。比如客戶提出了如下需求：
- 人臉識別 數(shù)量:不低于200PCS用戶
- 刷卡功能 數(shù)量:200組
- 密碼功能 數(shù)量:50組
- 顯示屏 2.4 TFT
- 低功耗:待機(jī)功耗小于50ua
- 喚醒和對比時間小于1.5秒
- 采用4節(jié)干電池供電
- 常規(guī)門鎖功能
- 內(nèi)置藍(lán)牙模塊
- 手機(jī)APP開門
- 考勤功能
- 動態(tài)密碼功能 10分鐘內(nèi)1次有效 通過手機(jī)生成
- 時效密碼功能(10組)通過手機(jī)下發(fā)
- ………
當(dāng)收集到很多需求時，建議首先對問題進(jìn)行分類并根據(jù)經(jīng)驗和分析進(jìn)行補(bǔ)全，比如分為嵌入式硬件需求、嵌入式軟件需求、APP需求、管理后臺需求和其他需求，如下圖所示：
這里只是做一下簡單的介紹，實際做產(chǎn)品需求分析時候會有大量的溝通和細(xì)節(jié)上的決策，涉及到用戶訪談、競品分析、場景分析、卡諾分析等多種復(fù)雜的過程。
三、整體方案設(shè)計
作為AI賦能方案商，我們的專注點(diǎn)通常在人臉識別嵌入式模塊和互聯(lián)網(wǎng)平臺服務(wù)上，而外觀結(jié)構(gòu)、生產(chǎn)組裝以及認(rèn)證銷售都由傳統(tǒng)廠商負(fù)責(zé)。
目前關(guān)于人臉識別考勤門禁一體機(jī)主要有兩種方案：
一是終端采集到人臉照片后將圖片上傳到云端服務(wù)器，由服務(wù)器對照片進(jìn)行實時處理，并將處理結(jié)果返回給終端設(shè)備，這種方案對網(wǎng)絡(luò)的依賴比較強(qiáng)，同時處理能力也比較強(qiáng)。
二是將訓(xùn)練好的人臉識別模型部署到終端設(shè)備上，設(shè)備采集到人臉照片后直接處理，只將處理結(jié)果反饋到云端，這種方案不依賴外部環(huán)境，但對設(shè)備本身的計算能力有較高的要求。
隨著終端設(shè)備計算能力的不斷提升和成本下降，第二種方案在體驗和成本上的優(yōu)勢將越來越大。系統(tǒng)架構(gòu)如下圖所示：
人臉識別考勤門鎖系統(tǒng)主要有以下幾個組成部分：
1. 終端設(shè)備：由雙目攝像頭或其他如3D Tof攝像頭（圖像采集、活體檢測）、補(bǔ)光板（適應(yīng)昏暗環(huán)境）、AI芯片（提供模型運(yùn)行算力）、MCU（業(yè)務(wù)系統(tǒng)）和觸摸屏幕（人機(jī)交互界面）等關(guān)鍵元器件和機(jī)械零件等組成。
2. 固件：內(nèi)置了人臉檢測、圖片預(yù)處理、特征提取、特征對比、活體檢測、人臉識別等算法模型SDK和門鎖應(yīng)用程序，其中機(jī)器學(xué)習(xí)算法可在外掛的AI芯片上進(jìn)行加速運(yùn)算，應(yīng)用程序在MCU上進(jìn)行運(yùn)算；更好的方案是算法模型和應(yīng)用程序都運(yùn)行在集成了AI加速單元的SoC芯片上。
3. IOT平臺：通常擁有AI能力的硬件會通過wifi或2/3/4G無線網(wǎng)絡(luò)等方式聯(lián)網(wǎng)，與云端服務(wù)器進(jìn)行通信。因為終端設(shè)備數(shù)量眾多，且比較分散，也不會實時聯(lián)網(wǎng)，所以通過IOT平臺對設(shè)備進(jìn)行管理，包括設(shè)備管理、生命周期管理、固件更新、數(shù)據(jù)存儲、可視化監(jiān)控等。同時IOT作為管道負(fù)責(zé)設(shè)備端與云端Sass系統(tǒng)之間的數(shù)據(jù)交互。
4. 門鎖Saas系統(tǒng)：人臉識別考勤門鎖產(chǎn)品的客戶通常為企業(yè)用戶，一般會提供一個多租戶的Sass管理后臺，以滿足用戶門鎖管理、報警管理、員工管理、考勤管理等復(fù)雜的需求。
5. 小程序：因App開發(fā)和維護(hù)成本較高，采用小程序?qū)崿F(xiàn)輕量級的門鎖Saas系統(tǒng)中的功能，方便管理員進(jìn)行移動辦公管理。
6. 人臉識別平臺：包括人臉數(shù)據(jù)、標(biāo)注平臺和模型訓(xùn)練平臺，將訓(xùn)練好的模型打包成SDK移植到芯片上供業(yè)務(wù)系統(tǒng)進(jìn)行調(diào)用。
四、產(chǎn)品開發(fā)
人臉識別考勤門禁產(chǎn)品方案開發(fā)主要涉及到三個方面，分別是：
1. 人臉識別模塊：包括人臉數(shù)據(jù)集準(zhǔn)備、人臉數(shù)據(jù)標(biāo)注、服務(wù)器端訓(xùn)練模型，模型SDK封裝和模型遷移到終端環(huán)境等；
2. 嵌入式軟硬件：人臉識別相關(guān)芯片、補(bǔ)光板、活體檢測、防撬傳感器、屏幕等硬件功能模塊和人臉注冊識別解鎖流程以及設(shè)備端用戶管理等軟件功能模塊；
3. 互聯(lián)網(wǎng)平臺：主要指設(shè)備連接和通信管理的IOT平臺，輕量級的小程序管理端以及完整功能的考勤門禁Saas平臺。
4.1 人臉識別模塊開發(fā)
人臉識別平臺通常包括人臉數(shù)據(jù)庫、標(biāo)注數(shù)據(jù)庫和標(biāo)注工具、模型訓(xùn)練和測試平臺。
通常我們可以采用公開的已經(jīng)標(biāo)注好的人臉數(shù)據(jù)集進(jìn)行模型訓(xùn)練，為了實現(xiàn)更好的模型效果，也很有必要建立自有的人臉數(shù)據(jù)庫，并通過標(biāo)注平臺對數(shù)據(jù)進(jìn)行標(biāo)注。然后通過Opencv、Dlib、Tensorflow、Cafe等平臺對人臉數(shù)據(jù)集和標(biāo)注文件進(jìn)行不斷訓(xùn)練和測試，從而得出符合預(yù)期的人臉檢測、特征提取、特征對比、活體檢測等模型。
整個人臉識別平臺大概如下圖所示：
模型訓(xùn)練好，通常還需要對模型進(jìn)行裁剪遷移到實際運(yùn)行環(huán)境中并封裝成SDK供嵌入式業(yè)務(wù)系統(tǒng)進(jìn)行調(diào)用，其中還涉及到模型在真實環(huán)境中參數(shù)的調(diào)整和優(yōu)化。一般的人臉識別流程如下圖所示：
關(guān)于人臉識別流程，網(wǎng)上有很多資料，寫的非常詳細(xì)，具體查看：
1）《人臉識別產(chǎn)品設(shè)計，AI產(chǎn)品經(jīng)理需要了解的實戰(zhàn)干貨》
2）《人臉識別 | AI產(chǎn)品經(jīng)理需要了解的CV通識（二）》
3） AMiner 第十三期研究報告《2018人臉識別研究報告》
人臉采集：通過攝像頭實時采集人臉圖片，采集人臉數(shù)據(jù)時需要注意一下關(guān)鍵相應(yīng)因素：
1. 圖像大?。喝四槇D像過小會影響識別效果，人臉圖像過大會影響識別速度。非專業(yè)人臉識別攝像頭常見規(guī)定的最小識別人臉像素為60*60或100*100以上。在規(guī)定的圖像大小內(nèi)，算法更容易提升準(zhǔn)確率和召回率。圖像大小反映在實際應(yīng)用場景就是人臉離攝像頭的距離。
2. 圖像分辨率：越低的圖像分辨率越難識別。圖像大小綜合圖像分辨率，直接影響攝像頭識別距離。現(xiàn)4K攝像頭看清人臉的最遠(yuǎn)距離是10米，7K攝像頭是20米。
3. 光照環(huán)境：過曝或過暗的光照環(huán)境都會影響人臉識別效果?？梢詮臄z像頭自帶的功能補(bǔ)光或濾光平衡光照影響，也可以利用算法模型優(yōu)化圖像光線。
4. 模糊程度：實際場景主要著力解決運(yùn)動模糊，人臉相對于攝像頭的移動經(jīng)常會產(chǎn)生運(yùn)動模糊。部分?jǐn)z像頭有抗模糊的功能，而在成本有限的情況下，考慮通過算法模型優(yōu)化此問題。
5. 遮擋程度：五官無遮擋、臉部邊緣清晰的圖像為最佳。而在實際場景中，很多人臉都會被帽子、眼鏡、口罩等遮擋物遮擋，這部分?jǐn)?shù)據(jù)需要根據(jù)算法要求決定是否留用訓(xùn)練。
6. 采集角度：人臉相對于攝像頭角度為正臉最佳。但實際場景中往往很難抓拍正臉。因此算法模型需訓(xùn)練包含左右側(cè)人臉、上下側(cè)人臉的數(shù)據(jù)。工業(yè)施工上攝像頭安置的角度，需滿足人臉與攝像頭構(gòu)成的角度在算法識別范圍內(nèi)的要求。
人臉檢測：人臉圖像采集完成后需要通過“人臉檢測”技術(shù)判斷圖像中是否存在人臉。如果存在人臉則繼續(xù)流程，否則重新采集圖像。
人臉圖像預(yù)處理：系統(tǒng)獲取的原始圖像由于受到各種條件的限制和隨機(jī)干擾，往往不能直接使用，必須在圖像處理的早期階段對它進(jìn)行圖像預(yù)處理。所謂圖像預(yù)處理就是基于人臉檢測結(jié)果，對圖像進(jìn)行灰度矯正、噪聲過濾等處理，并最終服務(wù)于特征提取的過程。
人臉圖像特征提?。?/strong>人臉特征提取就是對人臉進(jìn)行特征建模將一張人臉圖像轉(zhuǎn)化為一串固定長度的數(shù)值的過程。輸入是“一張人臉圖像（帶人臉坐標(biāo)框）”，經(jīng)過人臉關(guān)鍵點(diǎn)定位后，輸出人臉相應(yīng)的一個數(shù)值串(特征)。
人臉圖像匹配與識別：特征提取后，便可以任意兩個人臉特征進(jìn)行比對，得到投特征之間的相似度。通過設(shè)定一個閾值，當(dāng)相似度超過這一閾值，則把匹配得到的結(jié)果輸出。人臉驗證、人臉識別、人臉檢索和人臉聚類都是在人臉特征比對的基礎(chǔ)上加一些策略來實現(xiàn)。相對人臉特征提取過程，單次的人臉比對耗時極短，幾乎可以忽略；
人臉活體檢測：人臉活體（FaceLiveness）是判斷人臉圖像是來自真人還是來自攻擊假體（照片、視頻、換臉、面具、遮擋以及屏幕翻拍等）的方法。和前面所提到的人臉技術(shù)相比，人臉活體不是一個單純算法，而是一個問題的解法。這個解法將用戶交互和算法緊密結(jié)合，不同的交互方式對應(yīng)于完全不同的算法。
4.2 嵌入式開發(fā)
關(guān)于嵌入式軟件硬件開發(fā)流程具體可參考我之前的一篇文章《【從軟到硬】做智能硬件的6個月，全流程詳解》，這里再詳細(xì)說明一下實際開發(fā)過程中可能會遇到的問題和需要注意的地方。
1. 要選擇合適分辨率的雙目攝像頭，考慮AI芯片對圖像的處理能力；同時需要調(diào)教攝像頭，以便采集到質(zhì)量更高的圖像，并配合模型算法，調(diào)整模型參數(shù)。
2. 考慮盡量減少電池更換的頻率，延長續(xù)航時間，降低設(shè)備的功耗，當(dāng)門鎖面前無人經(jīng)過的時候盡量保持休眠狀態(tài)，可通過單獨(dú)的傳感器做設(shè)備激活，比如紅外傳感器，檢測到有人經(jīng)過時，再啟動設(shè)備上的其他模塊。
3. 考慮設(shè)備所處的光線環(huán)境，針對強(qiáng)光環(huán)境通過濾光片進(jìn)行過濾，針對弱光環(huán)境，要能夠及時通過補(bǔ)光板進(jìn)行補(bǔ)光。
4. 考慮設(shè)備的安全性，當(dāng)有人撬鎖時，能夠檢測出來并及時通知到用戶，比如在設(shè)備內(nèi)部加入光感傳感器，見光后表示設(shè)備被拆解；或者在設(shè)備關(guān)鍵結(jié)合部加入運(yùn)動傳感器，感受到部件分離時進(jìn)行報警。
5. 補(bǔ)充第4條，考慮有人通過照片等方式對門鎖進(jìn)行破解或陌生人非法開鎖的情況，對可疑人員進(jìn)行拍照捕捉，并及時通知到管理人員。
6. 選擇合適的設(shè)備通訊協(xié)議，比如MQTT比TCP能夠支持更大的并發(fā)量，盡量減少設(shè)備與服務(wù)端的連接，一方面減少資源消耗，另一方面也可以降低設(shè)備功耗。
7. 預(yù)先定義好人臉識別模塊和業(yè)務(wù)模塊的數(shù)據(jù)協(xié)議，以及業(yè)務(wù)模塊與服務(wù)端的數(shù)據(jù)協(xié)議，方便模塊化開發(fā)，以及模塊之間的對接，提高整體的開發(fā)效率。
4.3 互聯(lián)網(wǎng)平臺開發(fā)
這里的互聯(lián)網(wǎng)平臺主要包括IOT平臺、考勤門鎖Saas平臺和小程序，在涉及到硬件的互聯(lián)網(wǎng)端開發(fā)的時候，區(qū)別于純軟件產(chǎn)品，功能夠用就行了；切忌過度開發(fā)，既增加研發(fā)成本，也可能開發(fā)出來一堆不實用的功能。
IOT平臺有很多開源平臺可以選擇，比如github上人氣最高的ThingsBoard就是個不錯的選擇，功能齊全，架構(gòu)簡單，可視化組件豐富，對于中小型企業(yè)應(yīng)用綽綽有余了。
考勤門鎖Saas平臺主要考慮如何接收設(shè)備數(shù)據(jù)并進(jìn)行展示，以及針對用戶的雙向管理和考勤功能。小程序是為管理員提供的輔助管理客戶端，主要用戶消息接收，功能上應(yīng)當(dāng)盡量簡化，主要功能模塊如下圖所示（部分）：
五、產(chǎn)品測試
產(chǎn)品測試除了常規(guī)的嵌入式軟硬件測試、互聯(lián)網(wǎng)平臺功能測試和整個系統(tǒng)聯(lián)調(diào)測試；還要著重強(qiáng)調(diào)一下人臉識別算法的測試，網(wǎng)上有很多介紹關(guān)于人臉識別性能的指標(biāo)，但是都不好理解，這里通過具體數(shù)據(jù)舉例詳細(xì)說明一下。
通常評價一個人臉識別算法的好壞分兩個方面：識別率（準(zhǔn)確率、召回率、誤識率、拒識率和ROC曲線等）和識別速度。
為了便于理解，這里先舉一個人臉識別門鎖的模型測試的例子，然后再對相關(guān)指標(biāo)進(jìn)行說明會更加清晰。人臉識別模型測試方法為比較兩個人臉照片是否為同一人，假設(shè)如下：
假設(shè)一：測試數(shù)據(jù)集中有100個人，每個人10張人臉照片，那么正樣本（同一個人的照片兩兩組合）數(shù)量為 100 * （10 * 9 / 2）= 4500個；負(fù)樣本（不同人的照片兩兩組合）數(shù)量為 100 * 99 /2 *10 * 10 = 495000個。
假設(shè)二：判斷兩張圖片特征相似度時，閾值為80，超過80則判斷為同一人；低于80則判斷為不同人。
假設(shè)三：測試結(jié)果如下圖所示，其中P表示同一人，N表示不同人，T表示預(yù)測結(jié)果為真，N表示預(yù)測結(jié)果為假。
5.1 準(zhǔn)確率（Accuracy）
準(zhǔn)確率是指我們的模型預(yù)測正確的結(jié)果所占的比例。準(zhǔn)確率的定義如下：
Accuracy = (TP+TN) / (TP+TN+FP+FN)
上面的例子中可以計算出 ：
模型的準(zhǔn)確率 = （500+490000）/（4500 + 495000） = 98.2%
這個結(jié)果足以說明，我們的模型非常不錯，絕大部分樣本預(yù)測正確。但是仔細(xì)一看會發(fā)現(xiàn)問題，我們4500個正樣本中只有500個被正確預(yù)測，大部分（另外4000個）正樣本沒有成功預(yù)測出來；相反在495000個負(fù)樣本中只有5000個沒有被預(yù)測出來，模型關(guān)于正負(fù)樣本的預(yù)測結(jié)果差異巨大。
造成這一結(jié)果的原因在于正負(fù)樣本數(shù)據(jù)集極度不平衡，如果只是預(yù)測負(fù)樣本，那么這個模型或許還可以，但人臉識別更需要對正樣本的預(yù)測，所以我們還需要關(guān)注召回率和精確率。
5.2 召回率與拒識率
召回率（recall,TPR，命中率）：在所有正類別樣本中，被正確識別為正類別的比例。從數(shù)學(xué)上講，召回率的公式如下：
Recall = TP/（TP+FN）
上面的例子中可以計算出：
模型的召回率 = 500 /4500 = 11.11%
由此可見此模型人臉識別成功率很低。
拒識率（False Reject Rate，F(xiàn)RR）與召回率相反，是指在所有正類別樣本中，被錯誤識別為負(fù)類別的比例。比如張三拿著李四的手機(jī)人臉解鎖成功了，公式如下：
FRR = FN/（FN+TP）= 1-TPR
上面的例子中可以計算出：
模型的拒識率= 4000/（4000 + 500）= 88.89%
也就是說大部分將會被人臉識別門鎖拒絕訪問。
5.3 誤識率（FAR）
誤識率（False Accept Rate，F(xiàn)AR，F(xiàn)PR，假報警率，錯判率）是指將他人誤認(rèn)為指定人員的概率，公式如下：
FPR=FP/（FP+TN）
上面的例子中我們可以計算出:
模型的誤報率 = 5000 /（5000 + 490000）= 1.01%
也就是說在一個人臉識別門鎖上，100個陌生人中，有一個可以識別通過，存在很大的安全隱患。
誤識率（FAR）決定了系統(tǒng)的安全性，召回率（FRR）決定了系統(tǒng)的易用程度。在實際中，F(xiàn)AR對應(yīng)的風(fēng)險遠(yuǎn)遠(yuǎn)高于FRR，因此生物識別系統(tǒng)中，會將FAR設(shè)置為一個非常低的范圍，如萬分之一甚至百萬分之一，在FAR固定的條件下，F(xiàn)RR低于5%，這樣的系統(tǒng)才有實用價值。
5.4 ROC曲線
如上面例子中的判斷兩個圖片是否相似的閾值設(shè)置為 80，大于這個值的實例劃歸為正類，小于這個值則劃到負(fù)類中。
如果減小閥值，減到70，固然能識別出更多的正類，也就是提高了識別出的正例占所有正例的比類，即召回率（TPR）；但同時也將更多的負(fù)實例當(dāng)作了正實例，即提高了誤識率（FPR）。為了形象化這一變化，我們引入ROC曲線——ROC，受試者工作特征曲線，是比較兩個分類模型好壞的可視化工具。
(a)橫軸為誤識率FPR，縱軸為召回率TPR，理想情況下，TPR應(yīng)該接近1，F(xiàn)PR應(yīng)該接近0。
ROC曲線上的每一個點(diǎn)對應(yīng)于一個閾值，對于一個模型，每個閾值下會有一個TPR和FPR。比如閾值最大時，TP=FP=0，對應(yīng)于原點(diǎn)；閾值最小時，TN=FN=0，對應(yīng)于右上角的點(diǎn)(1,1)。
(b)隨著閾值不斷增加，TP和FP都減小，TPR和FPR也減小，ROC點(diǎn)向左下移動。
ROC曲線怎么看？曲線越陡峭，曲線上的點(diǎn)越接近（0,1），表示檢測器性能越好。
5.5 識別速度
識別一副人臉圖像的時間，包括人臉圖像的采集、檢測、預(yù)處理、特征提取到匹配和識別出來為止的總時間。除了總體時間的計算意外，其中人臉檢測的時間可以作為一個重要的衡量標(biāo)準(zhǔn)，并可以直觀的感受出來。
人臉檢測速度是從采集圖像完成到人臉檢測完成的時間，通常用幀率(frame-per-second，F(xiàn)PS)來表示。時間越短，檢測模型效果越好。
這里也有一個問題，常見的人臉檢測算法基本是一個“掃描”加“判別”的過程；即算法在圖像范圍內(nèi)掃描，再逐個判定候選區(qū)域是否是人臉的過程，因此人臉檢測算法的計算速度會受圖像尺寸(VGA640*480)、圖像中人臉大?。?0*80）和數(shù)量、圖像背景復(fù)雜度等因素影響。
通常在測試一個人臉檢測速度時，通過控制輸入圖像越小、圖像中人臉越少、圖像中人臉越大、圖像背景越簡單（比如白底）和使用越高性能的處理器，使得檢測算法速度越快。
六、總結(jié)
以上是自己在人臉識別考勤門鎖產(chǎn)品的規(guī)劃設(shè)計，和研發(fā)過程中對人臉識別AI產(chǎn)品的個人理解和總結(jié)。
技術(shù)是產(chǎn)品存在的基礎(chǔ)，在AI技術(shù)還沒有完全統(tǒng)一和標(biāo)準(zhǔn)化的時候，作為產(chǎn)品經(jīng)理需要對AI技術(shù)有一定的了解。最基本的要求是要知道什么事情AI能做，什么事情AI不能做，對技術(shù)的能力有邊界感，不然很難順利的將用戶需求轉(zhuǎn)化為產(chǎn)品需求；然后更進(jìn)一步地知道什么好做，什么不好做，以便更好的進(jìn)行開發(fā)量的評估和模塊的劃分。
在與技術(shù)人員進(jìn)行需求溝通的過程中，對于不明白的技術(shù)一定要多請教，不能讓技術(shù)問題限制了對產(chǎn)品的思考；如果對技術(shù)有一定了解，也需要克制自己，不要告訴技術(shù)應(yīng)該怎么去實現(xiàn)。產(chǎn)品經(jīng)理永遠(yuǎn)都是一個提出問題和分析問題的人，而不是去解決問題的人。
參考資料
關(guān)于人臉識別流程，網(wǎng)上有很多資料，寫的非常詳細(xì)，感謝前人的努力。
1）《人臉識別產(chǎn)品設(shè)計，AI產(chǎn)品經(jīng)理需要了解的實戰(zhàn)干貨》
2）《人臉識別 | AI產(chǎn)品經(jīng)理需要了解的CV通識（二）》
3）AMiner 第十三期研究報告《2018人臉識別研究報告》
作者：Ocean，公眾號：pm_know_practice
本文由 @Ocean 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載
題圖來自Unsplash，基于CC0協(xié)議
很厲害！
指標(biāo)那里好像有錯誤 TN和FN反了
牛批！很全面！