「热点资讯」为什么手机可以识别戴口罩的人？主要是由于贡献所致-技术开发-韩韩H5开发

随着疫情的到来，人们的人脸解锁功能已经低下了高贵的头。

如今，口罩已经成为我们的必需品，每次解锁手机，总是要经历“人脸识别失败”、“输入密码”的繁琐过程。这不免让人错过了良好的指纹识别功能。

为了优化人脸解锁体验，外国企业家DanielleBaskin在今年早些时候推出了一款带有面部信息的面具。该产品提取用户的面部信息，将其打印在口罩外侧，然后在用户佩戴口罩后将其拼接在一起形成完整的面部。

其实有点害怕。图片来源djbaskin

不过，目前这款产品的解锁成功率尚不清楚，样本验证也不多。那么我们怎样才能确保口罩不再干扰面部识别系统呢？

有网友发现，随着戴口罩的时间越来越长，手机似乎找到了人脸解锁失败的“经验”，在成功戴上口罩后也能逐渐认出自己。

基于这个想法，一些科技博主还分享了更高效的教程，例如戴着口罩时重复解锁设备。如果人脸识别失败，请立即输入密码。重复此操作约30分钟，直到您的手机可以识别它。我是唯一一个戴着口罩的人。

戴着口罩时人脸解锁成功。图片来源法哈德乌斯马诺夫

不过，网友们居然表示，每个模型的“学习”速度是不一样的。有的人重复上述动作20分钟就成功了，而有的人重复了上千次，手机仍然无法识别出他们戴着口罩。

为什么会出现这种情况？其实案与手机的AI学习能力有关。

图片来源nextweb

深度学习工具——NPU

如果你这两年一直关注手机的发布，你可能已经注意到，手机厂商在推出SoC芯片时，都把重点放在了NPU的升级上。

所谓NPU代表神经网络处理器。手机芯片一般分为几个功能区，发布会上经常提到的三个是CPU，擅长处理复杂任务和发出命令，GPU，擅长处理图形，第三个是擅长处理手动任务智能操作这是适合您的NPU。

虽然NPU的“空间”没有CPU、GPU那么大，但其性能却不容忽视，手机的智能主要取决于NPU。

搭载NPU的芯片俗称“AI芯片”或“仿生芯片”图片来源雷雪网

训练手机在戴着上述面具时进行自我识别很大程度上取决于NPU的能力。摄像头捕捉到人脸图像后，CPU和GPU在很短的时间内对图像进行预处理，然后NPU和GPU检测并提取特征，最后CPU、GPU和NPU共同完成该过程。人脸识别和分类。

日益强大的计算能力让整个过程“脱敏”。当你拿起电话的那一刻，上述过程就完成了。

添加NPU可以让手机在各种状态下识别用户。即使你早上醒来时脸肿了，你的手机也会识别出是你。即使你被黄蜂蜇了，嘴巴肿得像“香肠”，你的手机也能识别它。

图片来源韩队长历险记

因此，经过一定量的训练后，你的手机将能够识别你，“不用担心你的面具”。

事实上，如果只依靠算法，CPU和GPU也可以配合完成训练。但其缺点是效率低、功耗大。据《汽车电子与软件》介绍，CPU和GPU需要数千条指令来完成神经元处理，而NPU只需要一条或几条指令即可完成。

NPU的学习效率相当高。照片来源androidauthority

此外，在相同功耗下，NPU的性能是GPU的18倍。可见NPU在深度学习的处理效率方面具有明显的优势。

说到这里，就不得不提一下NPU的工作原理。NPU之所以具有高学习效率，并不是因为它喝了“六个核桃”，而是因为它在电路层面模拟了人类神经元和突触。然后，它使用深度学习指令集直接处理大规模神经元和突触。通过强调加权来实现存储和计算的融合，NPU上的一条指令可以处理以前CPU和GPU上的数千条指令。

图片来源福布斯

打个比方，就好像京东物流的仓储和物流融合，大大提高了发货效率，如果当天购买，也可以当天发货。

NPU没啥用

韩国第一家研究NPU的公司是Cambrian。2017年发布的麒麟970芯片采用了寒武纪NPU架构。麒麟970也是全首款移动AI芯片。

华为表示，与四个Cortex-A73核心相比，集成NPU单元的Kirin970在处理相同的AI应用任务时可提供约50倍的能效和25倍的性能优势。例如，图像识别速度可达每分钟约2000张图像，远高于同时期行业水平。

麒麟970图片来源电子工程专辑

11天后，iPhone8/8Plus和iPhone

A11Bionic是苹果首款名为“Bionic”的处理器，也是苹果首款支持AI加速的处理器。比如在人脸识别功能方面，神经网络引擎让A11支持高达每秒6000亿次的识别率。

图片来源隐身设定

此外，从今年开始，越来越多的厂商开始注重推广手机AI功能。比如华为主打的AI摄影、超级夜景、空中手势等功能，iPhone主打的FaceID、人像虚化、DeepFusion等功能都非常依赖NPU的能力。

华为AI手势控制

随着2019年6月麒麟810的推出，华为开始使用自研的达芬奇架构移动AI芯片。达芬奇架构的独特之处在于每个单元之间的任务划分清晰，这使得AI计算更加高效。

据《电子产品世界》介绍，作为达芬奇架构核心的3D立方体、矢量计算单元、标量计算单元分别负责不同的计算任务，实现并行计算模型，共同保证高效处理。人工智能计算。实现高计算性能、高能效以及灵活的定制功能。

在刚刚结束的Mate40系列发布会上，华为强调，麒麟9000芯片的NPU已升级至达芬奇架构版本20，计算性能翻倍。AI计算性能变得更加强大，同时能源效率也提升了15%，网络运行性能提升了20%。

在苏黎世联邦理工学院公布的AI基准测试榜单中，麒麟9000以超过高通骁龙865+两倍的成绩夺得Android阵营桂冠。

AI标杆榜单

还记得上面提到的麒麟970每分钟识别2000张图像的能力吗？麒麟9000已经进化到每秒2000张照片的速度。此外，发布会上重点强调的AI空中手势、AI智能熄屏、AI字幕等也透露了NPU能力。

尤其令人印象深刻的是“智能支付”功能，当手机检测到靠近扫码盒时，自动弹出支付代码页面，一次性完成支付。这代表了理想智能终端的方向。换句话说，它朝着“认识你”、“理解你”、“帮助你”的方向发展。

华为智能支付。图片来源VDGER

苹果在推出第4代iPadAir时也强调了NPU性能的提升。与A12Bionic处理器相比，A14Bionic下一代神经网络引擎可提供高达2倍的机器学习性能。

凭借超快的机器学习速度，A14Bionic芯片可以实现Superpixel功能，与Pixelmator配合使用时，可以放大裁剪的照片并自动添加像素，使照片更清晰。

iPhone12系列所体现的计算摄影能力也得到了前所未有的提升。例如，在拍摄延时照片时，手机会自动计算拍摄对象；在拍摄交通状况时，手机会自动降低快门速度，使车灯呈现为斑点。流动感变得更强了。

相比iPhone11，下一代iPhone在DeepFusion、HDR视频等方面有显着变化。这都得益于A14强大的AI计算能力。

您对NPU有何期望？

移动NPU被厂商认真推广了大约2-3年，但实际上相关概念早在2013年就已经出现。

当时，高通试图通过模仿人脑的计算结构来缩小通用机器计算与人脑之间的差距，模拟这些神经元的计算处理器被高通称为“Zeroth”。

高通Zeroth简介

高通Zeroth芯片的计算架构模仿了人类生物神经元的工作模式，在大脑的结构层面进行了模仿。NPU模仿了大脑的功能层面，两者的定位并不一致。高通也保持了自己的方向，坚持人工智能引擎AIEngine的方向，而不是加入独立的NPU集团。

据《芯智讯》报道，高通骁龙845发布时，有外界批评高通没有跟上NPU潮流，在AI能力上落后。高通高级副总裁兼移动业务负责人AlexKatouzian回应称，虽然高通没有独立的神经网络引擎单元，但采用了更灵活的机器学习架构，并在分布于CPU和GPU的通用内进行内核优化。DSP等设备可以灵活调用各种处理单元给各种移动终端。

NPU的方向是明确分工，加大各个单元的强度，而QualcommAIEngine的方向可以理解为“大家可以一起工作”。

直到应用第五代多核人工智能引擎AIEngine的骁龙865系列芯片发布后，高通才正式踏入NPU之路。

照片左下角强调了高通的AI能力。

不过在实际使用中，高通骁龙865的学习能力还是可以接受的。例如，当我使用vivo时

但数据显示，其AI学习能力远远落后于麒麟9000和A14Bionic。NPU已经一次又一次证明了AI利用数据的实力，我们还要等待875系列芯片的推出，看看高通的下一代AI引擎能否改变这一趋势。

我希望人工智能时代的场景是，手机不再是被动响应用户需求的终端，而是成为能够主动分析和识别用户当前需求并提前提供相关服务的智能终端。

Mate40系列AI性能展示

在这方面，各厂商还处于早期阶段。比如在应用提案方面，我个人认为目前小米做得最好。通过分析一天中的时间、场景等因素，它可以“测”你每次想打开哪个软件，并智能地将它们安排在最显眼的位置。Mate40系列支持的“智能支付”无疑走在了AI道路的最前沿，也给了我们更多的想象空间。

值得注意的是，NPU不仅逐渐应用于手机，还逐渐应用于平板电脑、笔记本电脑等移动终端。苹果最近发布的M1芯片配备了16核NPU，每秒可执行11万亿次运算，将机器学习速度提升11倍。

很期待看到搭载M1芯片的MacBook系列和Macmini会给用户体验带来哪些变化。

在当前的软件生态系统中，移动CPU和GPU的改进在用户的日常使用中已经不再明显。以iPhoneXS和iPhone12为例，应用的流畅度相差无几。对用户体验影响更大的是机器学习能力的改变。这就是为什么我们需要关注NPU的发展。

或许未来10年，随着AI技术更加成熟，“智能”手机将更名为“智能”手机的时代将会到来。

一、魅族戴口罩可以面部识别吗？

戴口罩时魅族无法进行面部识别。由于口罩遮住了嘴、鼻子等面部重要部位，人脸识别技术无法准确识别人脸。人脸识别技术一般通过分析人脸轮廓、眼睛、嘴巴等特征来进行识别，但如果存在口罩，则无法准确获取这些特征。因此，魅族在佩戴口罩时无法进行面部识别。人脸识别技术是一种基于人脸图像或视频进行身份验证或识别的技术。广泛应用于手机解锁、门禁系统、支付认证等各个领域。然而，面对口罩等障碍物时，面部识别技术的准确性会受到影响。为了解决这个题，一些科技公司和研究机构正在开发新的面部识别算法，可以适应口罩和其他障碍物的情况。例如，一些算法可以通过分析眼睛和眉毛等特征进行识别来提高准确性。不过，目前魅族无法在佩戴口罩时进行面部识别。