基於AI神經引擎的Face ID，讓人放心嗎

摘要：

Face ID三大法寶：紅外、三維、AI芯。

離iphone X預售的時間越來越近，儘管iphone 8事故不斷，但人們對iphone X的渴望卻是有增無減，這原因之一就是iPhone X放棄了廣泛採用的Touch ID指紋識別技術，採用基於AI神經引擎的Face ID實現手機解鎖、支付認證。

不過關於Touch ID，今年央視「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，從科幻電影走進現實的人臉識別技術，好像並沒有顯現出比傳統密碼更強的安全優勢。

人臉識別為何在安全認證的賽道後來居上?

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，得益於指紋和採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，也使得數據採集和識別過程相對容易實現。

相比其他類型生物識別技術，人臉識別「隔空」採集數據干擾多，處理難度大。但由於具有以下3個突出優勢，應用越來越廣泛，大有後來居上，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，人臉識別屬於非接觸識別，隔空自動採集圖像，便於實施。

2、方便快捷。使用普通攝像機或者三維掃描儀就可以實現對數據的採集，通常在毫秒級別內即可實現識別。據統計，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後，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後，無外乎二維或三維識別

現在的絕大部分人臉識別技術都是二維識別，採集的是人臉的平面圖像，並依靠圖像上的特徵點來生成一組特徵值，然後每一次識別時候將會與第一次錄入特徵值進行比對，到達一定的準確率就算是配對成功。

二維識別在光照、姿態、年齡等發生變化時，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，即便是後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，但並沒有本質上的改變。

三維人臉數據比二維人臉數據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徵，信息量比二維數據豐富得多，這些特性在一定程度上可以簡單有效的將不同的人臉區分開，識別更加立體、更加準確。

1、基於空域匹配。該類方法可通過輸入點雲數據的方式直接完成匹配操作，無需進行特徵提取。比如，首先對面部受表情影響較小部位(如鼻子)進行提取，然後用演算法對曲面進行三維人臉匹配。

2、基於局部特徵匹配。從三維人臉曲面上提取到有效的局部幾何特徵，利用特徵點將人臉深度數據對齊，再提取鼻尖區域、眼部區域、對稱面區域三條曲線，合成全新的特徵向量進行匹配識別。

3、基於整體特徵匹配。把三維人臉看作一個整體，以整體為依據提取特徵。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據正交投影，進而利用二維人臉識別中的各類方法進行操作。

4、基於雙模態特徵匹配。融合二維紋理與三維幾何兩種特徵進行識別。因為融合後的信息更加豐富，所以更具有研究價值，但實現較為複雜。

強大的三維識別也有很多短板

1、光照變化。攝像感應器設備對人臉圖像進行採集時，會因為外部環境的光照變化、拍攝角度的問題等造成採集圖像的差異。

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生位置和紋理的變化，對識別造成困難。

3、姿態變化。各種姿態的面部圖片，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。口罩、墨鏡、帽子、圍巾等衣物遮擋臉部，或者鬍鬚、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，臉部皮膚紋理、胖瘦、五官等等都會發生變化，造成樣本庫中的數據失效，給識別系統帶來時效性問題。

6、計算能力要求高。對臉部的大量數據採集、建模和分析比對，對設備的並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。

Face ID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：提高數據採集建模能力，增加AI神經網路單元，提升智能識別和並行運算能力。

1、紅外感應系統。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Face ID。iPhone X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，根據照片上的位移變形情況，分析出人臉的景深信息。同時，距離感測器會探測在一定範圍內，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、無光環境下，泛光感應元件會向外投射不可見的紅外光源，以幫助Face ID更好地工作。

2、3D建模技術。目前三星、支付寶、vivo X20、小米Note 3等普遍使用「2D識別方案」，用普通照片比較容易破解。iPhone X投射3萬個紅外點光源作為特徵點，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Face ID驗證，即使做成逼真的3D臉模，也不能通過精密的數據比對和對眼睛附加檢測的考驗。

3、搭載AI單元的仿生晶元。人工智慧是當下尖端科技的風口，蘋果這一次又領先了。A11仿生晶元不僅較上一代晶元(A10)圖像處理能力提升30%，而且集成神經網路引擎，成為蘋果第一枚搭載AI神經網路單元的移動晶元。

AI神經網路單元每秒六億次運算，主要用於勝任機器學習任務，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律和規則，為Face ID提供強大的性能支持。

早期的人工智慧學習演算法識別成功率普遍不高，完全不能和人眼識別能力相提並論。卷積神經網路理論的提出，為人臉識別提供了強有力的技術支持。通過局部連接、權值共享和池化採樣，大大減少神經網路的權值數量，降低網路模型的複雜度，實現了對龐大的3D人臉數據的快速化處理。同時對人臉圖像的縮放、旋轉、平移以及其它形變的識別魯棒性更好。目前基於深度學習神經網路的人臉識別技術可以達到幾乎100%的正確率，人類肉眼識別精度只有97.53%。

為了進一步提升安全水平，蘋果使用了1,000,000,000張照片來訓練這個神經網路系統，Face ID因此「認識」了足夠多的面孔，確保以後不被照片或模具欺騙。利用AI單元，可以持續地學慣用戶臉部的長相和表情，在完成首次人臉信息的採集和錄入後，隨著時間的推移，即使你戴眼鏡了、開始長了鬍子等，Face ID仍然能繼續認出你，並不斷根據新的數據來校準識別模型，以保證識別率。

Face ID真的能夠讓人放心嗎?

就在iPhone X正式發售倒計時時，壞消息也不斷傳來，有分析師指出，由於3D感應系統由結構化光系統，飛行時間系統和前置攝像頭組成，結構過於複雜，良品率很低不足10%，首批100萬部的生產要推遲到12月份才能完成。

除了良品率以外，用戶對Face ID最關心的無外乎兩個性能，識別速度和識別精度。蘋果的Touch ID剛出現時，由於識別速度偏慢，在相當長一段時間並未被廣泛接受。Face ID要處理的三維臉部數據量比起Touch ID自然是高出不少，不過得益於性能更強悍A11處理器以及其整合的AI神經網路單元生物引擎，還有基於神經網路的演算法，從目前來看Face ID識別速度比起Touch ID應該有長足的提升，響應速度更快。

而Face ID的識別精準度則是iPhone X安全性的關鍵，以往二維識別技術在這方面顯然無法與基於三維成像的Face ID相提並論。而與現在用戶普遍接受的Touch ID指紋識別相比，從公開的數據來看，安全性應該是提升了不少，不過能不能讓廣大用戶滿意，會不會遭到投訴，我們還要拭目以待。

文|草原騎士

來源|智能相對論(aixdlun)

聲明：本文內容和圖片僅代表作者觀點，不代表藍鯨TMT網立場，轉載需註明本文出處及原創作者姓名！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！