從Face ID說起,聊聊刷臉技術

近日,iPhone X的Face ID功能,再次引爆關于刷臉的討論,小宅本期從三方面聊聊關于刷臉的事情。

1、(why)為什么 Face ID 挺靠譜?

2、(what)最近還有哪些刷臉應用?

3、(what)刷臉都有哪些相關技術?

iPhone X的Face ID 挺可靠

上周,iPhone X發布,推出很多新功能,但被網友們玩壞了,比如:好貴、好丑,而被玩得最多當然是:Face ID。


哈哈哈,看完這些是不是都不敢買iPhone X了,好像還有生命危險。其實它的Face ID挺靠譜,理由大盤點:

幾何構圖更精準

通過點陣投影器,將30,000多個肉眼不可見的光點投影在你臉部,繪制出你獨一無二的臉部幾何結構圖。紅外鏡頭會讀取點陣圖案,捕捉它的紅外圖像,然后將數據發送至A11芯片中的安全隔區,以確認是否匹配。

Face ID并不是簡單的圖像識別系統,它看的是整張臉的 3D 模型,識別用戶臉上特別詳細的特性,可以做到面具也無法騙過的程度。

遠不止10億張圖像

為了訓練Face ID,蘋果收集了10億張圖像,獲取全球廣泛的地理和民族數據集,用于測試和驗證Face ID 的識別率。

這些數據中必須包括一張臉部數據的高保真深度圖,為此這些數據不能來源網絡,而只能是在外收集,在獲得掃描主題的認可之后,會從各個角度進行非常詳盡的臉部數據掃描,獲得更多細節數據,來訓練Face ID系統。

自適應特性

Face ID有一項自適應性特性,不管你是換了個發型,蓄起大胡子,還是接受了整形手術,它都能夠在你“變臉”之后認出你。因為Face ID會通過深度學習來重新訓練模型,實現自我適應特性。

安全和隱私

和當年蘋果的Touch ID一樣,蘋果承諾不會向執法機構交出人臉數據,因為蘋果從未擁有過這些數據。

你在訓練數據的時候,它隨即就以數學模型的方式保存到Secure Enclave中,逆向工程也無法讓它恢復成一張臉的樣子。這些數據都是在設備端,而不在蘋果的云端,且Face ID 的數據都經過了加密。

注視感知功能

Face ID還有一個“注視感知”功能,你必須盯著手機看才能解鎖。這可以避免在你睡覺時別人用手機掃你的臉就能解鎖,也避免有人趁你不注意拿著手機對著你的臉就能夠解鎖的風險。

黑暗中也能刷臉

Face ID有一個泛光感應元件,借助不可見的紅外光線,即使在黑暗中也能識別你的臉。在這里需要澄清的一點是,iPhone X并不會發射出可見光。

可靠且快速

不管光線如何,Face ID利用RGB攝像頭、紅外發射器和點陣投影器,能夠覆蓋一份非常廣泛的場景陣列,識別不僅非??煽?,且速度很快。

有這么一種情況:用戶拿起手機同時向上輕掃屏幕,Face ID系統很有可能就已經完成了驗證,在你完成輕掃的同時解鎖了你的設備。

快速禁用Face ID

在某些極端情況下,比如被小偷或者警察強制要求交出手機的時候,用戶可以快速禁用Face ID,只要在伸手掏出手機的時候按壓任何按鍵就能禁用Face ID了。

而且,在緊急情況下,你可以同時按下任何一個音量鍵和電源鍵禁用Face ID,默認回到需要輸入密碼解鎖的模式。

另外,相比舊款機型要快速按壓電源鍵5次的操作,iPhone X只要你長按機身兩側的任何一側按鍵,你就可以進入關機界面,這種操作顯得更加隱蔽。

自動上鎖

在以下情況,用戶都需要密碼才能啟用Face ID:

Face ID嘗試解鎖失敗5次;

4個小時內沒有用FaceID來解鎖過設備;

6.5天內不曾用密碼或完全沒用過密碼解鎖手機;

按下設備的睡眠/喚醒鍵或者設備進入睡眠模式;

重啟設備。

開發者屏蔽

開發者不能訪問Face ID陣列的原始傳感器數據,相反,他們可以獲得深度圖以便在應用中使用,包括ARKit應用。

美中不足

有些眼鏡的涂層會阻隔紅外線,在這種情況下,你只能摘下眼鏡識別,或者用密碼解鎖。

對于盲人或者視覺受損用戶,可以關閉“注視感知功能”來使用Face ID,但是整體安全水平沒有那么高,因為它無法確定用戶雙眼正直視著它,盯著它看。

由于Face ID要求能夠看到你的雙眼、鼻子和嘴巴,也就是說某些情況它無法使用,比如臉上戴著面紗之類東西的用戶。

最新刷臉應用

除了iPhone X,還有一些比較新的刷臉應用:

刷臉支付

近日,支付寶在肯德基的KPRO餐廳上線刷臉支付:在自助點餐機上選好餐,進入支付頁面,選擇“支付寶刷臉付”,然后進行人臉識別,大約需要1-2秒,再輸入與支付寶賬號綁定的手機號,確認后即可支付,支付過程不到10秒。

肯德基KPRO的點餐機上配備了3D紅外深度攝像頭,在進行人臉識別前,會通過軟硬件結合的方法進行活體檢測,來判斷采集到的人臉是否是照片、視頻或者軟件模擬生成的,能有效避免各種人臉偽造帶來的身份冒用情況。

這也是刷臉支付在全球范圍內的首次商用試點。

刷臉取款

近日,農行在自動取款機上線“刷臉取款”,用戶可以不帶卡,只要刷臉就能取款。站在農行ATM機前,看一眼攝像頭,再輸入手機號、取款金額、密碼,自動吐鈔,拿走現金。

除了人臉識別之外,用戶還需要輸入手機號碼或身份證號進行身份確認,最后再依靠密鑰進行取款,安全性相對插卡取款還多了一重保障。不過,如果是進行過整容,或者化妝與本人差距實在太大,可能會造成識別失敗。

除了農行外,招行也屬于較為激進的AI技術探險者。去年,招行在全國106個城市近千臺ATM機上實現了“刷臉”取款的功能。

刷臉進站

目前,一些火車站已經推出“刷臉進站”功能。旅客拿著身份證、火車票,再面朝屏幕盯上幾秒鐘,旅客就能快速通過檢票,最快只要3秒。

旅客再也不用排長隊等待人工檢票,這不僅極大地給旅客提供了便利,更增加了安全性。

另外,這種刷臉進站系統,還與公安網相連,犯罪嫌疑人在終端前一露臉就露餡。

當有人臉部受傷或者多人刷臉時,還是會出現識別不出的狀況,這種時候就需要車站工作人員進行二次識別了。

其他刷臉應用

6月底,南航于河南南陽機場啟用國內首個人臉識別智能化登機系統,無需證件、登機牌,在登機口前,旅客只需“刷臉”即可秒速開閘登機。

最近,螞蟻金服通過人臉識別技術,幫助上海、杭州、深圳等地市民實現了“刷臉”辦政務,對著手機攝像頭掃一掃就能查詢公積金、申報個人所得稅等。

近日,支付寶和自提柜廠商“遞易”在上海開始試點自提柜刷臉取件,根據提示操作,取件只需要5秒鐘。

除此之外,還有很多刷臉的應用,小宅就不一一舉例了,刷臉應用非常方便的改變了我們的生活。

人臉識別技術

既然刷臉時代已經到來,那么關于人臉識別都有哪些技術。

人臉檢測

檢測圖片或視頻流中的人臉并返回人臉框坐標,且可以儲存檢測到的人臉數據,用于后續人臉比對、人臉搜索等高級功能。主要應用:

基于人臉的人流量統計,利用人臉檢測技術,能夠輕松識別出圖像或視頻中所有人臉并計數,從而方便在零售商業、機場或學校等場所進行基于人臉的人流量或出勤率統計。

集體照標記,在集體照中找到并標記出所有人臉,配置高精度的智能算法,可以在各種場合都能抓住每一個笑容,無論是大學畢業典禮留影還是馬拉松比賽抓拍。

人臉關鍵點

定位并返回人臉五官與輪廓的關鍵點坐標位置。關鍵點包括人臉輪廓、眼睛、眉毛、嘴唇以及鼻子輪廓。無論是靜態圖片還是動態視頻流,人臉關鍵點均能完美貼合人臉。主要應用:

人臉照片編輯,運用人臉關鍵點,能夠輕松編輯人臉照片,并施以令人驚嘆的精細效果,如人臉妝容、貼紙、人臉五官或外貌變換等。

視頻濾鏡與貼紙,能夠流暢處理視頻流中的人臉,可以實時添加人臉濾鏡或貼紙。

3D人臉模型,利用高精度的人臉關鍵點,可以為視頻或圖片中的人臉打造纖毫畢現的3D模型。

人臉屬性

基于深度學習算法,能夠進行一系列人臉相關的屬性分析??梢垣@取多種人臉屬性,包括年齡、性別、微笑程度、頭部姿態、眼睛狀態、情緒、顏值、視線、嘴部狀態、皮膚狀態、人種、人臉圖片質量與模糊程度。這些精準的人臉屬性信息,能夠開展各類基于人臉照片的分析工作。主要應用:

廣告精準投放,通過實時分析受眾群體的人臉屬性,可以投放精準匹配的廣告信息。

市場調查,運用人臉屬性,能夠分析客戶的屬性與行為模式。在市場分析與媒介效果測量領域,獲得前所未有的靈感與助益。

人臉比對

分析兩張人臉屬于同一個人的可能性大小。使用人臉比對技術,可以得到一個置信度分數和相應的閾值,以便評估相似度。主要應用:

基于人臉的用戶核驗,運用人臉比對技術,能夠比對實拍照片與底圖,核驗用戶身份。這被廣泛應用于打造刷臉登錄或遠程核身功能中。

人證合一,自動將人臉照片與證件照片進行比對,例如護照、駕照或身份證照片,這有助于在安保場景中提高效率與準確性。

人臉搜索

針對一個新的人臉,在一個已有的人臉集合中搜索相似的人臉。通過精準強大的人臉搜索算法,可以返回一系列相似人臉,以及相應的置信度分數與閾值,以評估相似度。主要用于:

智能照片庫,通過人臉搜索,能夠輕松聚合相冊中的相似人臉。借此可以打造帶有人臉自動聚合功能的智能相冊應用。

刷臉門禁,采集訪客的人臉圖像,并在身份照片庫中進行搜索,以便確認訪客的身份。人臉搜索技術被廣泛用于自動門禁或訪客登記系統。

安防監控,能夠檢測到監控畫面中的人臉,并在預置的數據庫中搜索相似人臉,從而快速定位可疑人物或失蹤人口。

這是一個刷臉的時代,不管你長得英俊瀟灑,還是貌美如花,在機器面前,人人平等,不以顏值論英雄。輕松一刷,智享生活!

作者簡介

我是小宅,微信公眾號:小宅的視界。我是一名科研人員,喜歡技術,喜歡產品,喜歡生活,喜歡與人交流學習。關注人工智能,關注前沿技術,關注智能產品,關注市場動態,關注生活。歡迎您與我交流,在交流中相互學習,在學習中共同進步。

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,327評論 6 537
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,996評論 3 423
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 177,316評論 0 382
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,406評論 1 316
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,128評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,524評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,576評論 3 444
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,759評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,310評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,065評論 3 356
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,249評論 1 371
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,821評論 5 362
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,479評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,909評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,140評論 1 290
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,984評論 3 395
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,228評論 2 375

推薦閱讀更多精彩內容