西安全明电子科技有限公司 | WWW.XAQMKJ.COM.CN
新闻中心
联系方式  Contact
电话: 029-86265148
传真: 029-86265148
地址: 西安未央区凤城六路与明光路旭虹西北广场904室


从IPhone X的Face ID深挖人脸识别的前世今生

2017 年 9 月 13 日,苹果秋季发布会在乔布斯歌剧院举行,IPhone X面世。IPhone X的发布引发了一轮段子手狂欢,将人脸识别再次推向了风口浪尖。由于IPhone X的人脸识别不仅可以解锁手机,还能够进行Apple Pay支付,引发了不少人担忧人脸识别的安全问题。

近年来,随着行业的不断发展,各行各业都被人工智能渗透,2015年,马云第一次上向全世界演示“刷脸支付”技术,时至今日“刷脸支付”的发展一直牵动着人们的神经。2017年8月百度与首都机场合作开启人脸验证;支付宝也开启了人脸登录;肯德基的KPRO餐厅上线了刷脸支付等等,正式将“刷脸支付”推向了商用。



IPhone X的人脸识别安全吗?


一、FACE ID由来


2010年6月,乔布斯发布堪称经典的iPhone 4,这一代iPhone距离加入指纹识别还有3年,而仅3个月后,苹果收购一家叫Polar Rose的瑞典公司, 这是一家只有15人的小公司,苹果看中的是不是别的,正是Polar Rose独有的人脸识别技术。没错,这就是7年之后在iPhone X上搭载的Face ID的前身。


很难想象,在指纹识别还没有诞生的2010年,苹果已经开始布局3D视觉,并在蛰伏7年之后,先以面部识别的形式出现。所以当有言论称Face ID只是iPhone解决屏幕下指纹之前匆忙上马的替代品时,不得不承认,我们太小看苹果帝国了

苹果在3D视觉领域的布局


1、2010年9月苹果收购Polar Rose


Polar Rose是一家从事面部识别技术的厂商。基于其技术,Polar Rose提供许多产品,其中包括针对网络服务的面部识别技术FaceCloud,以及为手机添加功能性的FaceLib。

2、2013年11月苹果收购PrimeSense


PrimeSense对数字设备观看和理解世界的方式进行了彻底革新。人类依靠各种感官来感知世界并和世界互动。PrimeSense 主要通过视觉,让数字设备获得对真实世界的三维感知能力。PrimeSense 凭借专利性技术突破,以低成本、高性能的 3D 机器视觉技术成为消费市场上的领军人物。

PrimeSense3D传感器


显然 iPhoneX 用的就是PrimeSense的结构光深度重建方案(Depth),但是经过这几年的进化变得更小了,方案也有改变。





3、2015年4月苹果收购LinX Imaging



LinX Imaging主要为移动设备开发多孔摄像头,一方面可以降低摄像头高度,让摄像头不再突起。另一个黑科技则是利用多孔设计精准测算不同图像中像素之间的区别,从而创建景深图像,让我们仅通过拍照,即可对物体进行三维扫描。

4、2015年11月苹果收购Faceshift



Faceshift是一家动作捕捉公司,开发了实时追踪人脸表情,然后再用动画表现出来的技术,这项技术曾用于《星球大战》电影,让动画人物的表情更准确地模仿演员的表情。在游戏领域,用户可以使用根据自身表情实时更新的头像。 后来证实,Faceshift除了用作人脸识别之外,还被苹果用在iPhone X的Animoji中。

Faceshift表情捕捉

5、2016年1月苹果收购Emotient


Emotient这家公司致力于通过面部表情分析来判定人的情绪,这项技术会抓取人的面部,然后利用识别技术识别出面部表情。

感知人脸情绪



6、2017年2月苹果收购RealFace


RealFace擅长面部识别,该公司开发了一种独特的面部识别技术,其中整合人工智能并将人类的感知带回数字过程。

RealFace人脸识别


大规模的收购让苹果公司迅速的掌握了3D视觉尤其是在人面识别领域的核心技术,也避免了竞争对手通过收购快速追赶苹果,于是在2017年秋季新品发布会上,搭载Face ID功能的iPhone X惊艳登场。


二、FACE ID介绍


大家一定都注意到了IPhone X正面的刘海设计,其实是有玄机的,因为苹果在其中赋予了TrueDepth摄像头系统,按照官方的说法,A11中集成了相应的芯片,机器可以学习记住用户的脸部信息,你完全不用担心使用环境和识别精度,因为他们之前已经测试近十亿张脸部信息。


为了防止盗刷,苹果与好莱坞模型团队进行了人脸模型对比验证,以保证Face ID所识别的人脸不能被任何仿制品所替代,包括栩栩如生的蜡像(脸部信息被存储到手机中)。


把人脸识别的安全性做到能够充当身份验证,苹果运用的正是 3D 结构光技术,通过前置的 Infrared Camera 和 Dot Project 组件,iPhone X 能够快速扫描人的面部并在人脸表面形成 3 万个看不见的 IR Dot,就像 3D 建模一样。

这样带来的好处是,无论你发型变化了、带了眼镜、带了帽子、无论是白天还是夜晚,iPhone X 都依然能够顺利识别你的脸并完成解锁。


为了更好的将收集到的数据进行分析,苹果根据 A11 芯片的能力专门构建了自己的神经网络,为人脸识别提供了足够强大的计算能力,从而让面部录入和解锁的过程顺畅而快速。


同时苹果为了安全性也为用户的人脸数据提供了绝对的保护,苹果这项全新的人脸识别技术其实就是之前爆料的「3D 结构光双射」技术。其原理是基于主动发射特定红外结构光照射被检测物体,从而获取人像的 3D 图像数据。


3D 结构光是一种获取 3D 图像的方式,我们大多数时候所看到的图像是在一个平面上的,不知道它每个点对应的深度。而 3D 图片在获取照片每个位置颜色的同时还获取了每个位置的深度。而结构光的概念就是通过光源发射出一个不可见的光山,去隔出一些特定的条文或图案,之后再根据图案的分布和扭曲程度,逆向计算出它的三维数据。


3D 结构光技术是目前比较通用的一种人脸识别技术,但这是第一次被运用到手机这种便携式的终端上。而苹果这次将这一技术落地到手机上,对于手机行业未来的解锁、身份验证等方式将会又带来一次革新。


三、比指纹更安全的人脸识别


Face ID给段子手这么一闹,多数吃瓜群众表示非常担忧,会不会只需要对着手机,手机立马就会解锁呢?


其实,苹果这次的 3D 结构光双摄」技术,给人脸识别提供了比指纹更高的安全性。


这项技术将可以抵御目前所有的人脸识别破解手段(例如屏幕翻拍照片、翻拍视频、纸张打印、相片打印等),因为这些攻击都是 2D 的人脸画面,而结构光能有效分辨出 2D 人脸和 3D 人脸。结构光如果遇到麻烦,那挑战只能是 3D 假脸攻击。


目前其他手机人脸解锁最大的不同就在于 iPhone X 的人脸识别是 3D 的,这让 iPhone X 能够抵御所有的 2D 翻拍攻击,它要担心的只有长的一模一样的双胞胎和精致无比的硅胶人脸面具了。而且在用户闭着眼睛的时候无法完成解锁,也就是说不必担心别人趁你睡觉时解锁你的手机了。

超高仿真的硅胶面具并不足以破解iPhone X


而且要知道的是,人撞脸的概率其实要比撞指纹的概率要小得多!苹果在发布会上也表示,被相同指纹破解 Touch ID 的概率是五万分之一,而遭遇相同的面部能破解 Face ID 的概率则是一百万分之一,这可是 20 倍的安全性提升。


因为安全性的保障,所以苹果在系统层面,用 Face ID 完全取代了以往 Touch ID 做的事,解锁、身份验证、支付……等等,Touch ID 能用的功能现如今通过 Face ID 都可以完成了。


与此配套的是,苹果为用户的 Face ID 提供了绝对的信息保护,不会让用户的面部数据发生泄露。


所以,除了开头恶搞的段子,FACE ID并不是和人们想的一样那么令人担心。


人脸识别技术的优势

介绍了Face ID,我们来深挖下人脸识别技术的优势。


一、人脸识别与传统识别方式的区别


人脸识别技术是基于人的脸部特征,对输入的人脸图像或者视频流 . 首先判断其是否存在人脸 , 如果存在人脸,则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息,进一步提取每个人脸中所蕴涵的身份特征,并将其与已知的人脸进行对比,从而识别每个人脸的身份。


广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。


生物特征识别技术所研究的生物特征包括脸、指纹、虹膜、静脉、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等,相应的识别技术就有人脸识别、指纹识别、虹膜识别、静脉识别、语音识别(用语音识别可以进行身份识别,也可以进行语音内容的识别,只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。


与传统的密码检验方式相比,生物识别技术基于人的生物特性,具有易测量、排他性以及终身不变的特点,拥有检验快速、结果更准确的优势。目前主流的生物识别方式分别为指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。


指纹识别

指纹识别是通过比较不同指纹的细节特征点来进行鉴别。每个人的指纹均不同,同一人的十指指纹也有明显区别,因此指纹可用于不同身份的鉴定。目前指纹识别是应用最为广泛的生物识别技术,其技术成熟且成本低廉,广泛应用于考勤、门禁等身份识别。指纹识别技术的优势是应用比较方便,应用时间长,认知度高,但指纹是一种容易被窃取和复制的特征,安全性较低,且磨损后影响识别精度。此外,指纹特征的稳定性较差,脱皮、表皮茧子,干湿状态等都会影响指纹的应用。

 

虹膜识别


虹膜技术是利用人眼睛虹膜纹理特征的一种识别技术。虹膜是人眼中瞳孔内的织物状各色环状物,虹膜识别利用人眼图像中虹膜区域的特征(环状物、皱纹、斑点、冠状物)形成特征模板,通过比较特征参数完成识别。该方法识别精度高、不易仿造,但相关设备价格昂贵。从技术指标上来讲虹膜识别是比较精确的,但使用上需要通过红外光或可见光照射眼睛取得图像,使用者配合程度低,会有较高的心理排斥性,因此不适用于大人群应用。

 

语音识别

 


语音识别是通过分析语音的惟一特性进行身份验证。其设备距离范围大、安装简易,但识别准确度低,可能被录音欺骗,且易受背景噪声、身体状况、情绪等因素影响。

 

静脉识别





静脉识别系统是根据血液中的血红素有吸收红外线光的特质,将具近红外线感应度的小型照相机对着手指进行摄影,即可把血管的阴影摄影出来。将血管图样进行数字处理,制成血管图样影像。从而提取特征值,运用先进的滤波、图像二值化、细化手段对数字图像提取特征,同存储在主机中静脉特征值比对,可对个人进行身份鉴定并确认身份,全过程采用非接触式。

 

目前主要包括手掌静脉识别、手指静脉识别及手背静脉识别这三项技术。目前静脉识别技术在中国大陆的市场应用还比较小,该技术主要集中在日本企业中,像日立、富士通、索尼仍在进行静脉识别技术相关的研究。此外,此类已有数据较少,不利于大数据分析与人工智能学习,且应用领域较有限,很多应用场景不适用。

 

人脸识别

人脸识别与其他生物识别方式相比,优势在于自然性、不被察觉性等特点。自然性即该识别方式同人类进行个体识别时所利用的生物特征相同。指纹识别、虹膜识别等均不具有自然性。不被察觉的特点使该识别方法不易使人抵触,而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹、虹膜图像,在采集过程中体验感不佳。目前人脸识别需要解决的难题是在不同场景、脸部遮挡等应用时如何保证识别率。此外,隐私性和安全性也是值得考虑的问题。

五种生物识别技术性能对比   图片来源:信达证券


二、人脸识别优势明显,未来将成为识别主导技术


人脸识别相比指纹识别、虹膜识别等传统的生物识别方式,优点主要还集中在四点:非接触性、非侵扰性、硬件基础完善和采集快捷便利,可拓展性好。在复杂环境下,人脸识别精度问题得到解决后,预计人脸识别有望快速替代指纹识别成为市场大规模应用的主流识别技术。

人脸识别的优势 图片来源:信达证券

 

人脸识别流程主要包括图像采集、人脸检测、预处理、人脸特征点提取和人脸匹配/识别。

 

图像采集:不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的人脸图像。

 

人脸检测:人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及 Haar 特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测。

 

人脸图像预处理:对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

 

人脸图像特征点提取:人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。通过人脸特征点提取得出一个人的眼镜、表情、胡须等特征,将人脸特征进行向量化是决定识别准确率的一个关键一环。

 

人脸图像匹配与识别:提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。




人脸识别三种不同的识别模式


三、人脸识别技术的识别率超越人眼,场景应用成熟


人脸识别技术识别率超越人眼识别,已具备走向应用的基础条件。


LFW 是国际上公认难度最高的人脸图像集之一,在 LFW 中人眼的识别精度有三个档次:

第一档:包含场景、背景信息的人脸识别,人眼识别精度可达 99.20%;

第二档:仅提供人脸脸部图像时,人眼识别精度为 97.53%;

第三档:不包含人脸的图像,人眼识别精度为 94.27%。


2014  3  18  Facebook 宣布推出 DeepFace,在 LFW 上识别精度可达 97.25%;同年 3 月,清华 Face++ 团队宣布同样通过 LFW 测试,识别精度达 97.27%;不久,4  25 日香港中文大学教授汤晓欧领导的计算机视觉研究组通过 Gaussianface,将人脸识别的精度提升到 98.52%,人脸识别精度首次超过了人眼的标准,具有实际价值。


2017 年最新的 LFW 测试中,众多人脸识别公司识别精度已经超过人眼识别第一档,达到包含场景、背景信息下的人脸识别。人脸识别技术走向应用已经具备基础条件。


LFW 测试中人脸识别精度超过人眼识别第一档部分公司

企业纷纷布局人脸识别

目前人脸识别领域主要有以云从、商汤等四大独角兽为首的初创公司,海康威视、佳都科技等上市公司和腾讯、阿里巴巴、百度为首的互联网巨头三个大阵营。三者不断加码布局人脸识别,推出了一系列针对不同应用场景的人脸识别产品,涵盖了安防、金融、商业等应用领域。

 

一、初创公司:四大独角兽技术领先,产品涵盖应用领域广泛

 

人脸识别技术得到突破的同时,涌现出一批优秀创业公司,凭借领先的技术优势率先对商业模式进行探索,对新兴应用市场实现了初步开拓。通过创业公司的梳理,可以发现整个创业公司普遍凭借领先的技术优势切入市场,通过融资获取资金,然后定位重点领域通过优势产品占领市场,其中安防、金融成为了一致重点发力领域。


预计人脸识别领域创业公司后续发展思路将延续从软件到硬件到产品最后到软硬件一体化解决方案的路径。目前人脸识别领域创业公司中涌现出云从、依图、商汤和旷视(face++)四大独角兽。

国内人脸识别创业公司的商业模式,主要是提供基于软件的解决方案,满足个性化需求。人脸识别领域的大多数创业公司,早期都是从零开始接触产业,大多不能直接进入已然成熟的硬件市场,而只能作为增值服务提供方,在软件层面与硬件厂商进行合作。从业务领域看,国内创业公司的业务较为同质化,大部分集中于安防、金融等应用场景。在消费领域,创业公司在这些领域的竞争趋于白热化,智能美图等应用也基本在大众中普及。实现人脸识别技术转化为应用实现盈利成为未来创业公司的关键。


 


展开
名称:西安全明电子科技有限公司
电话:029-86265148
网站:www.xaqmkj.com.cn
地址:西安未央区明光路凤城六路旭虹西北广场904 您是本站第 129910977 位访问者
邮件:
技术支持:互创网站设计