基于AI神經(jīng)引擎的FaceID，真能讓人放心嗎?
離iphoneX預售的時間越來越近，盡管iphone8事故不斷，但人們對iphoneX的渴望卻是有增無減，這原因之一就是iPhoneX放棄了廣泛采用的TouchID指紋識別技術，采用基于AI神經(jīng)引擎的FaceID實現(xiàn)手機解鎖、支付認證。
不過關于TouchID，今年315晚會爆出了人臉識別技術的漏洞，主持人演示利用自己的一張證件照，騙過人臉識別，從而成功登陸他人的賬戶。一時間引起人們對人臉識別技術應用的恐慌，從科幻電影走進現(xiàn)實的人臉識別技術，好像并沒有顯現(xiàn)出比傳統(tǒng)密碼更強的安全優(yōu)勢。
半年時間過去后，人臉識別技術從被權威媒體質疑到應用遍地開花，AI技術發(fā)展的速度令人目不暇接。人臉識別為何能夠替代指紋識別，基于神經(jīng)網(wǎng)絡技術的FaceID到底有哪些獨特優(yōu)勢，吸引科技巨頭不遺余力地用它押寶未來，還會被央視315盯上嗎？智能相對論對人臉識別和FaceID技術進行簡要講述和對比，為您勾勒出現(xiàn)代人臉識別技術的清晰畫像。
人臉識別為何在安全認證的賽道后來居上？
本質上講，人臉識別和指紋、掌紋、虹膜識別等生物識別技術一樣，都具有普遍性、唯一性、持久性的屬性。
指紋識別之所以能夠得到廣泛應用，得益于指紋和采集設備直接接觸以及光電轉換精度的提升，同時指紋面積較小、紋理較為清晰，也使得數(shù)據(jù)采集和識別過程相對容易實現(xiàn)。
相比其他類型生物識別技術，人臉識別隔空采集數(shù)據(jù)干擾多，處理難度大。但由于具有以下3個突出優(yōu)勢，應用越來越廣泛，大有后來居上，成為安全認證主力的勢頭。
1、識別過程友好。利用指紋、掌紋以及虹膜方式識別需要身體直接接觸檢測儀器，人臉識別屬于非接觸識別，隔空自動采集圖像，便于實施。
2、方便快捷。使用普通攝像機或者三維掃描儀就可以實現(xiàn)對數(shù)據(jù)的采集，通常在毫秒級別內即可實現(xiàn)識別。據(jù)統(tǒng)計，手機用戶平均每天要解鎖手機80次，有了人臉識別解鎖功能后，解鎖過程將被大大簡化。
3、符合常識、交互性好。通過檢測人臉進而識別身份，與人們的生活習慣與認知保持一致，可以更簡單直觀地看到識別結果，更具有普適性。
各種花哨識別技術的背后，無外乎二維或三維識別
現(xiàn)在的絕大部分人臉識別技術都是二維識別，采集的是人臉的平面圖像，并依靠圖像上的特征點來生成一組特征值，然后每一次識別時候將會與第一次錄入特征值進行比對，到達一定的準確率就算是配對成功。
二維識別在光照、姿態(tài)、年齡等發(fā)生變化時，識別效果不理想。同時，安全性不高是它的先天不足，一張照片就欺騙過去的事情不在少數(shù)，即便是后期引入的多角度識別以及表情識別等，也只是稍微提升了下安全性，但并沒有本質上的改變。
三維人臉數(shù)據(jù)比二維人臉數(shù)據(jù)可以更好的突顯出人臉在空間中的特性，具有顯式空間形狀表征，信息量比二維數(shù)據(jù)豐富得多，這些特性在一定程度上可以簡單有效的將不同的人臉區(qū)分開，識別更加立體、更加準確。
智能相對論統(tǒng)計，現(xiàn)有三維人臉識別方法主要有以下四種。
1、基于空域匹配。該類方法可通過輸入點云數(shù)據(jù)的方式直接完成匹配操作，無需進行特征提取。比如，首先對面部受表情影響較小部位（如鼻子）進行提取，然后用算法對曲面進行三維人臉匹配。
2、基于局部特征匹配。從三維人臉曲面上提取到有效的局部幾何特征，利用特征點將人臉深度數(shù)據(jù)對齊，再提取鼻尖區(qū)域、眼部區(qū)域、對稱面區(qū)域三條曲線，合成全新的特征向量進行匹配識別。
3、基于整體特征匹配。把三維人臉看作一個整體，以整體為依據(jù)提取特征。利用深度圖像是其中的一種方法，其可以通過將三維人臉數(shù)據(jù)正交投影，進而利用二維人臉識別中的各類方法進行操作。
4、基于雙模態(tài)特征匹配。融合二維紋理與三維幾何兩種特征進行識別。因為融合后的信息更加豐富，所以更具有研究價值，但實現(xiàn)較為復雜。
強大的三維識別也有很多短板
三維人臉識別為機器自動識別人臉提供了嶄新的角度，相對二維人臉識別具有較明顯的優(yōu)勢，不過它也面臨著很多困難。
1、光照變化。攝像感應器設備對人臉圖像進行采集時，會因為外部環(huán)境的光照變化、拍攝角度的問題等造成采集圖像的差異。
2、表情因素。人們不同表情會造成臉部的一些器官和肌肉發(fā)生位置和紋理的變化，對識別造成困難。
3、姿態(tài)變化。各種姿態(tài)的面部圖片，如側臉、抬頭、歪頭、低頭等，也是檢測和識別的難點。
4、遮擋因素�？谡�、墨鏡、帽子、圍巾等衣物遮擋臉部，或者胡須、化妝等其他因素影響，也會給檢測和識別過程帶來難度。
5、年齡因素。隨著年齡的增長，KUKA機器人維修，臉部皮膚紋理、胖瘦、五官等等都會發(fā)生變化，造成樣本庫中的數(shù)據(jù)失效，給識別系統(tǒng)帶來時效性問題。
6、計算能力要求高。對臉部的大量數(shù)據(jù)采集、建模和分析比對，對設備的并行計算能力要求較高，對集成在手持設備中的三維識別模塊的計算能力要求更高。
FaceID三大法寶：紅外、三維、AI芯
為了解決以上人臉三維識別6大技術難題，蘋果公司給出了獨門解決方案：提高數(shù)據(jù)采集建模能力，增加AI神經(jīng)網(wǎng)絡單元，提升智能識別和并行運算能力。
1、紅外感應系統(tǒng)。對可見光的變化幾乎無感，無論白天黑夜都能智能感應識別人臉，而且對溫度敏感，沒有體溫的照片或面具很難騙過FaceID。iPhoneX的齊劉海中的點陣投影器向外投射出3萬個肉眼不可見的紅外點光源，由紅外鏡頭拍攝一張紅外照片，根據(jù)照片上的位移變形情況，分析出人臉的景深信息。同時，距離傳感器會探測在一定范圍內，是否存在被探測物，以決定是否開啟點陣投影器與紅外鏡頭的工作。而在暗光、無光環(huán)境下，泛光感應元件會向外投射不可見的紅外光源，以幫助FaceID更好地工作。
2、3D建模技術。目前三星、支付寶、vivoX20、小米Note3等普遍使用2D識別方案，庫卡機器人驅動器維修，用普通照片比較容易破解。iPhoneX投射3萬個紅外點光源作為特征點，結合面部的深度信息，構建3D立體臉部模型進行識別，大大提高了識別的準確性和安全性。僅僅靠二維照片，再也沒有可能通過FaceID驗證，即使做成逼真的3D臉模，也不能通過精密的數(shù)據(jù)比對和對眼睛附加檢測的考驗。
3、搭載AI單元的仿生芯片。人工智能是當下尖端科技的風口，蘋果這一次又領先了。A11仿生芯片不僅較上一代芯片（A10）圖像處理能力提升30%，而且集成神經(jīng)網(wǎng)絡引擎，成為蘋果第一枚搭載AI神經(jīng)網(wǎng)絡單元的移動芯片。
AI神經(jīng)網(wǎng)絡單元每秒六億次運算，主要用于勝任機器學習任務，識別人物、地點和物體，計算人臉不同部位的位置與距離，判定是否為使用者本人，同時能夠學習到人臉圖像中的一些隱性規(guī)律和規(guī)則，為FaceID提供強大的性能支持。