我們認真研究了FaceID的工作原理，用iPhoneX的可以安心睡覺(jué)
iPhone X的FaceID生物識別技術(shù)首次亮相就引起了一片“恐慌”。有吐槽說(shuō)，這一功能可能讓iPhone失去一批男性用戶(hù)（尤其是已婚男士），反之，這也有可能讓一批男性“被迫”提前用上iPhone X。其實(shí)，這完全是“杞人憂(yōu)天”。
理論上，你只需要看一眼手機，啟用了FaceID功能的iPhone X就會(huì )在一秒鐘內識別出你的臉部特征，并自行解鎖，同時(shí)，這一技術(shù)也將被用于A(yíng)pple Pay支付和第三方應用等場(chǎng)景中。
有吐槽說(shuō)，這一功能可能讓iPhone失去一批男性用戶(hù)（尤其是已婚男士），反之，這也有可能讓一批男性“被迫”提前用上iPhone X。
其實(shí)，這完全是“杞人憂(yōu)天”。
讓我們先了解一下FaceID的“工作原理”
蘋(píng)果公司在iPhone X中使用了“TrueDepth攝像機系統”（也就是“齊劉?！辈糠郑?，通過(guò)使用里面的傳感器和點(diǎn)陣投影儀，投射出*萬(wàn)多個(gè)點(diǎn)，就能形成一張完整的*D“臉譜”用來(lái)識別用戶(hù)臉部。據悉， iPhone X將采用定制的芯片來(lái)處理人工智能工作負載，這是一個(gè)雙核的“ A11生物神經(jīng)網(wǎng)絡(luò )引擎”芯片，每秒運算次數最高可達6000億次，該芯片賦能的最重要的事情就是使Face ID身份認證功能能夠快速識別人臉。而為保證用戶(hù)的隱私，讓用戶(hù)更放心，蘋(píng)果稱(chēng)所有相關(guān)的數據運算都將發(fā)生在本地，不會(huì )被上傳到云端或是回傳到蘋(píng)果公司。
同時(shí)，經(jīng)過(guò)不斷被訓練的神經(jīng)網(wǎng)絡(luò )建模識別人臉，當你的iPhone X識別你的臉部次數越多，它就會(huì )對你越熟悉。不管你是換發(fā)型、留胡子、戴帽子、戴眼鏡，還是光線(xiàn)強弱不同，它都會(huì )認出你。
同為生物識別技術(shù)，TouchID的解鎖錯誤率是五萬(wàn)分之一，而FaceID則是一百萬(wàn)分之一，成功率極高（雖然蘋(píng)果高級副總裁Craig Federighi在發(fā)布會(huì )上嘗試使用FaceID功能解鎖手機卻失?。?。對此，大家也不必過(guò)度“恐慌”。庫克在發(fā)布會(huì )上表示，FaceID要求使用者在刷臉解鎖時(shí)必須“集中注意力”（require“user attention”），所以，當手機遠離眼睛，或者用戶(hù)閉著(zhù)眼睛時(shí)就不會(huì )解鎖，你根本不用擔心在自己睡覺(jué)時(shí)手機被解鎖（除非你像張飛一樣睜著(zhù)眼睛睡覺(jué)）。
事實(shí)上，近幾年來(lái)以來(lái)，業(yè)界對于臉部識別的應用“屢試不爽”，但一直因為安全問(wèn)題被詬病。比如只需要通過(guò)一張電腦所有者的照片，就可以輕松進(jìn)入設置了臉部識別登錄方式的電腦；再比如流行科學(xué)作家丹·莫倫（Dan Moren）通過(guò)一個(gè)視頻就擊敗了阿*的面部識別系統。
然而，一直以“安全”標榜自己的蘋(píng)果，定然也不會(huì )允許這樣一個(gè)“萬(wàn)眾矚目”的新功能讓自己的“人設”輕易垮掉。在這周小米的新品發(fā)布會(huì )上，小米也推出了人臉識別解鎖方面的方案，雖然都是“人臉識別”，但具體技術(shù)卻有很大的差距。
蘋(píng)果的FaceID，采用的是結構光雙攝方案，通過(guò)將*萬(wàn)多個(gè)光點(diǎn)的網(wǎng)絡(luò )投射到人臉上，并隨著(zhù)用戶(hù)轉動(dòng)頭部以映射臉部*D形狀，最終形成的是一個(gè)三維圖像，這也是目前安全性最高的人臉識別方案。而小米Note更多還是二維人臉解鎖的方案。
當然，即使是三維面部識別系統也并不是“萬(wàn)無(wú)一失”。就在兩年前，柏林的SR實(shí)驗室使用石膏模具，破解了微軟的Hello面部識別系統。這一嘗試在多個(gè)使用相同類(lèi)型紅外深度感應攝像機的品牌筆記本中都成功了。SR 實(shí)驗室的創(chuàng )始人Karsten Nohl指出，他們使用的模具不僅模仿了用戶(hù)的臉部形狀，還模仿了皮膚的光反射性能。
為了證明自己，蘋(píng)果甚至與好萊塢模型團隊進(jìn)行了人臉模型對比驗證，以保證FaceID所識別的人臉不能被包括蠟像、模具等在內的任何仿制品所替代。在發(fā)布會(huì )現場(chǎng)，Federighi展示了一些非常逼真的面具制品，并表示經(jīng)過(guò)測試，即使是這些面具再逼真也無(wú)法破解FaceID系統。他說(shuō)，從理論上來(lái)說(shuō)，也許這個(gè)世界上有人能夠跟你長(cháng)的非常相似，他可以破解你的手機系統，但是這種概率大概是一百萬(wàn)分之一。當然，如果是雙胞胎，這個(gè)概率就會(huì )大大提高。
其實(shí)，關(guān)于人臉識別的安全性問(wèn)題很多人心里依然沒(méi)底，也許只有經(jīng)過(guò)公開(kāi)測試才能真正打破用戶(hù)的疑慮。 但即便如此，目前，已經(jīng)有很多金融機構開(kāi)始采用人臉識別幫助用戶(hù)進(jìn)行開(kāi)戶(hù)、轉賬、付款，包括支付寶、券商、銀行等等。以招商銀行為例，目前人臉識別已經(jīng)能夠實(shí)現手機端超過(guò) *0 萬(wàn)的轉賬；對于標準化的個(gè)人業(yè)務(wù)，配置了人臉識別系統的智能柜臺也已經(jīng)在招行的線(xiàn)下網(wǎng)點(diǎn)投入使用（人臉識別時(shí)，系統會(huì )要求用戶(hù)做出對應動(dòng)作，如點(diǎn)頭或者眨眼）。
總之，安全與體驗也許永遠沒(méi)法兩全。但，這并不意味著(zhù)這道題無(wú)解，如果你的手機數據確實(shí)非常敏感，你完全可以選擇關(guān)閉FaceID識別功能，或者，你也可以選擇允許FaceID進(jìn)行解鎖，但不用于付款（此解同樣適用于篇頭的“恐慌人群”）。
當然，還有網(wǎng)友對于卸了妝還能不能解鎖表示擔憂(yōu)，對此，我想說(shuō)的是——卸了妝能不能解鎖，你心里沒(méi)點(diǎn)數嗎？其實(shí)，我自己比較擔心的是，如果我只是想用手機屏幕照個(gè)鏡子怎么辦？
蘋(píng)果公司：在人臉識別領(lǐng)域早有布局
話(huà)說(shuō)回來(lái)，事實(shí)上，蘋(píng)果在人臉識別技術(shù)方面的布局已經(jīng)不是一年兩年，最近幾年來(lái)先后收購了 PolarRose、PrimeSense、Perceptio、Faceshift、Emotient、Turi 等人臉識別相關(guān)技術(shù)公司。其中，201* 年收購的 *D 傳感技術(shù)公司 PrimeSense，曾經(jīng)還因為給微軟的 Kinect 提供了傳感器而走紅。通過(guò)傳感器和中間件，可以讓設備感知周邊的三維環(huán)境，實(shí)現人機交互。這也是此次FaceID所涉及的關(guān)鍵技術(shù)之一。
除此之外，在去年年底，蘋(píng)果還發(fā)布了第一份關(guān)于人工智能的學(xué)術(shù)論文《Learning from Simulated and Unsupervised Images through Adversarial Training》。這篇論文闡述了如何通過(guò)計算機生成圖像而非真實(shí)圖像來(lái)訓練算法的圖像識別能力。
蘋(píng)果在論文中稱(chēng)，在機器學(xué)習研究中，使用合成圖像（例如來(lái)自一款視頻游戲）來(lái)訓練神經(jīng)網(wǎng)絡(luò )要比使用真實(shí)圖像更有效。因為合成圖像數據已經(jīng)被標記和注釋?zhuān)鎸?shí)的圖像數據需要有人耗費巨大的精力去標記計算機看到的每件事物，如一棵樹(shù)、一條狗或一輛自行車(chē)。
當然，使用合成圖像也存在一定的弊端，導致一種算法所了解的內容與真實(shí)世界中的場(chǎng)景有所不同。比如，合成圖像數據如果不夠真實(shí)，就會(huì )導致神經(jīng)網(wǎng)絡(luò )只能了解到合成圖像中所呈現的細節，而對真實(shí)圖像的認識有所不足。
為解決該問(wèn)題，提高合成圖像數據的訓練效果，蘋(píng)果研究人員推出了“模擬+無(wú)監督”的學(xué)習方法，以提高模擬圖像的真實(shí)感。蘋(píng)果研究人員使用一種經(jīng)過(guò)修改的新型機器學(xué)習技術(shù)，被稱(chēng)為“生成對抗網(wǎng)絡(luò )”（GAN），讓兩個(gè)神經(jīng)網(wǎng)絡(luò )彼此對抗，從而生成更逼真的圖像。
模擬+無(wú)監督（S + U）學(xué)習：通過(guò)學(xué)習模型，并使用未標注的真實(shí)數據，利用模擬器改善合成圖像的真實(shí)性，同時(shí)保留注釋信息
用精煉神經(jīng)網(wǎng)絡(luò )R來(lái)優(yōu)化模擬器的輸出
未標記的真實(shí)圖像模擬圖像
大膽地推想，蘋(píng)果應該把這樣一套方法論應用在了iPhone X 的 FaceID功能中。
關(guān)于人臉識別技術(shù)
人臉識別技術(shù)是指利用分析比較的計算機技術(shù)識別人臉，其中包括人臉追蹤偵測，自動(dòng)調整影像放大，夜間紅外偵測，自動(dòng)調整曝光強度等技術(shù)。廣義的人臉識別包括構建人臉識別系統的一系列相關(guān)技術(shù)，包括人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過(guò)人臉進(jìn)行身份確認或者身份查找的技術(shù)或系統。
技術(shù)流程：
人臉圖像采集及檢測
人臉圖像預處理
人臉圖像特征提取
人臉圖像匹配與識別
關(guān)鍵技術(shù)
基于特征的人臉檢測技術(shù)：通過(guò)采用顏色、輪廓、紋理、結構或者直方圖特征等進(jìn)行人臉檢測。
基于模板匹配人臉檢測技術(shù)：從數據庫當中提取人臉模板，接著(zhù)采取一定模板匹配策略，使抓取人臉圖像與從模板庫提取圖片相匹配，由相關(guān)性的高低和所匹配的模板大小確定人臉大小以及位置信息。
基于統計的人臉檢測技術(shù)：通過(guò)對于“人臉”和“非人臉”的圖像大量搜集構成的人臉正、負樣本庫，采用統計方法強化訓練該系統，從而實(shí)現對人臉和非人臉的模式進(jìn)行檢測和分類(lèi)。
基本方法：
幾何特征的人臉識別方法：幾何特征可以是眼、鼻、嘴等的形狀和它們之間的幾何關(guān)系（如相互之間的距離）。這些算法識別速度快，需要的內存小，但識別率較低。
基于特征臉（PCA）的人臉識別方法：特征臉?lè )椒ㄊ腔贙L變換的人臉識別方法，KL變換是圖像壓縮的一種最優(yōu)正交變換。高維的圖像空間經(jīng)過(guò)KL變換后得到一組新的正交基，保留其中重要的正交基，由這些基可以張成低維線(xiàn)性空間。如果假設人臉在這些低維線(xiàn)性空間的投影具有可分性，就可以將這些投影用作識別的特征矢量，這就是特征臉?lè )椒ǖ幕舅枷?。這些方法需要較多的訓練樣本，而且完全是基于圖像灰度的統計特性的。目前有一些改進(jìn)型的特征臉?lè )椒ā?/p>
神經(jīng)網(wǎng)絡(luò )的人臉識別方法：神經(jīng)網(wǎng)絡(luò )的輸入可以是降低分辨率的人臉圖像、局部區域的自相關(guān)函數、局部紋理的二階矩等。這類(lèi)方法同樣需要較多的樣本進(jìn)行訓練，而在許多應用中，樣本數量是很有限的。
彈性圖匹配的人臉識別方法：彈性圖匹配法在二維的空間中定義了一種對于通常的人臉變形具有一定的不變性的距離，并采用屬性拓撲圖來(lái)代表人臉，拓撲圖的任一頂點(diǎn)均包含一特征向量，用來(lái)記錄人臉在該頂點(diǎn)位置附近的信息。該方法結合了灰度特性和幾何因素，在比對時(shí)可以允許圖像存在彈性形變，在克服表情變化對識別的影響方面收到了較好的效果，同時(shí)對于單個(gè)人也不再需要多個(gè)樣本進(jìn)行訓練。
線(xiàn)段Hausdorff 距離(LHD) 的人臉識別方法：心理學(xué)的研究表明，人類(lèi)在識別輪廓圖（比如漫畫(huà)）的速度和準確度上絲毫不比識別灰度圖差。LHD是基于從人臉灰度圖像中提取出來(lái)的線(xiàn)段圖的，它定義的是兩個(gè)線(xiàn)段集之間的距離，與眾不同的是，LHD并不建立不同線(xiàn)段集之間線(xiàn)段的一一對應關(guān)系，因此它更能適應線(xiàn)段圖之間的微小變化。實(shí)驗結果表明，LHD在不同光照條件下和不同姿態(tài)情況下都有非常出色的表現，但是它在大表情的情況下識別效果不好。
支持向量機(SVM) 的人臉識別方法：支持向量機是統計模式識別領(lǐng)域的一個(gè)新的熱點(diǎn)，它試圖使得學(xué)習機在經(jīng)驗風(fēng)險和泛化能力上達到一種妥協(xié)，從而提高學(xué)習機的性能。支持向量機主要解決的是一個(gè)2分類(lèi)問(wèn)題，它的基本思想是試圖把一個(gè)低維的線(xiàn)性不可分的問(wèn)題轉化成一個(gè)高維的線(xiàn)性可分的問(wèn)題。通常的實(shí)驗結果表明SVM有較好的識別率，但是它需要大量的訓練樣本（每類(lèi)*00個(gè)），這在實(shí)際應用中往往是不現實(shí)的。而且支持向量機訓練時(shí)間長(cháng)，方法實(shí)現復雜，該函數的取法沒(méi)有統一的理論。
