文章從三個方面切入，對“刷臉”技術進行了簡要的分享。

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：

• （why）為什么 Face ID 挺靠譜？
• （what）最近還有哪些刷臉應用？
• （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！

本文由 @小宅的視界 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自PEXELS，基于CC0協議