人脸识别门禁系统的功能 人脸识别功能
01
人类认识彼此最自然的方式就是通过人眼 。我遇见你不是通过指纹、虹膜或交换密码，而是通过记住你的脸和我的脸 。那么，一台智能机器应该以同样的方式认识我们，这是最接近人类认识事物的方式 。
【人脸识别门禁系统的功能 人脸识别功能】“刷脸”是目前很多领域流行的生物识别功能，如手机屏幕解锁、APP认证、微信、支付宝的取款支付、银行账户在线开立、取款等 。，这一切都可以通过“刷脸”来实现 。这项技术为我们省去了记忆和手动输入密码或指纹的麻烦，确实给我们带来了很多便利 。
但与此同时，也有很多人担心，认证、甚至取款、付款都只能一张脸完成，一点都不可靠 。
文章插图
小学生发现了HIVE BOX刷脸捡碎片的漏洞 。
2019年，嘉兴某外国语学校的几名学生向媒体反映，他们在测试中发现，只用一张照片就能骗过小区里的HIVE BOX智能柜，还能拿出父母的物品 。
文章插图
之后也有人用偷拍的照片测试，还打开了HIVE BOX里的快递柜 。
事件发生后，舆论一片哗然 。
高科技给我们带来便利和高效率，但也是一把双刃剑 。有人利用它提高生活质量，有人利用它的漏洞犯罪 。
事实上，人脸识别技术已经发展了几十年，并且已经足够成熟 。HIVE BOX事件的发生是因为使用了2D人脸识别技术 。虽然2D人脸解锁在技术成熟度方面可以达到很高的安全性，但是HIVE BOX选择的提供人脸识别的公司技术水平并不高 。
也就是说，HIVE BOX快递柜的摄像头采集人脸时，只形成一个2D平面图像，相当于一张普通的照片 。这也造成了实际拍摄中“刷脸”和“刷照片”没有区别，所以相机很容易被照片欺骗 。
那么，我们最关心的微信和支付宝的人脸支付功能安全吗？
文章插图
微信的“脸刷支付”采用安全级别最高的3D直播检测技术，拥有3D、红外、RGB等多模态信息，能有效抵御视频、纸张、口罩等“欺骗”攻击 。
支付宝的“刷脸支付”也采用了3D人脸识别技术，并声称无论换脸软件的效果有多逼真，都无法突破支付宝的刷脸支付功能 。
安慰的是，微信和支付宝都明确表示:
冒用账号、盗刷等风险隐患是极不可能发生的事件 。如因刷脸支付造成账户资金损失，可申请全额赔偿 。
文章插图
3D人脸识别技术通过软硬件结合，可以准确判断人脸是图片、视频还是仿生面具 。因此，可以有效避免因伪造人脸而导致的身份冒用情况 。
文章插图
曾经有人用10万元成本的硅胶3D打印头模型破解各种人脸识别系统 。结论是，破解手机的门锁和解锁屏幕相对容易，但破解支付系统的人脸识别不仅非常昂贵，而且难度更大 。而且在实际破解中，其他类型的软硬件结合的验证方法也需要一起破解 。
因此，对于我们来说，绝对不需要担心人脸识别的安全性 。
02
人脸识别技术比指纹识别和虹膜识别更自然，因为它的识别原理类似于人肉眼的功能 。
人脸识别系统主要包括四个部分:人脸图像采集与检测、人脸图像预处理、人脸图像特征提取、匹配与识别 。
文章插图
机器人脸识别主要通过提取和比较人脸图像的特征来进行 。识别系统搜索并匹配提取的面部图像的特征数据和存储在数据库中的特征模板 。
简单来说，将待识别的人脸特征与获得的人脸特征模板进行比较，根据相似度判断人脸的身份信息 。
这个过程分为两类:
一个是确认，是一对一的图像对比的过程；
另一个是识别，是一对多的图像匹配和比较过程 。
然后，通过设置阈值，当相似度超过该阈值时，输出匹配结果 。
先简单介绍一下人脸识别技术的发展历史:
文章插图
弗朗西斯·高尔顿
从1888年到1920年，英国科学家弗朗西斯·高尔顿在《自然》杂志上发表了两篇关于人脸识别的论文 。他的重点是人脸的侧面特征，分析和阐述了人脸识别能力 。
可以说，高尔顿的身份识别理论为后来的人脸识别技术打开了一扇大门 。
文章插图
人脸识别技术最早应用于美国情报机构使用的智能系统，具有高度保密性 。
文章插图
1960年，被称为人脸识别之父的伍迪·布莱索一直在深入研究机器人脸识别的相关技术，并得到了美国最隐秘的组织——中情局的赞助 。
文章插图
1963年，中情局下属的金-赫尔利与伍迪·布莱索合作研究人脸识别技术 。
有了情报机构的背景，伍迪·布莱索不得不隐藏人脸识别技术 。直到40年后，中情局的神秘面纱逐渐揭开，大家才知道布莱索是第一个研究人脸识别技术的科学家 。
文章插图
1965年底，布莱索终于在一台名为RAND的平板电脑上首次实现了机器人脸识别功能 。
有趣的是，当时bledsoe使用的编程技术是模拟计算核爆炸的数据 。随着对计算机的迷恋，布莱索开始沉迷于使用计算机而不是人类来识别事物 。后来，他和同事伊本·布朗宁(Ibn Browning)研究出了一种叫做N元组的算法，这应该是机器识别领域最早的原型 。
简单来说，N元组算法就是教计算机自动识别未标记字符的过程 。
这个过程需要先设计一个打印的字符，然后根据是否包含字符的一部分给每个单元格分配一个二进制数:空单元格为0，填充单元格为1 。然后将单元格随机分组为有序对，如坐标集(理论上，分组可以包括任意数量的单元格，因此称为N元组) 。
文章插图
当计算机遇到一个新字符时，它只需将该字符的网格与数据库中的其他字符进行比较，直到找到最匹配的字符 。
基于这一理论，计算机可以识别同一字符的许多变体 。更重要的是，这个过程可以使用任何模式，而不仅仅是字符 。
当时，布莱索的梦想是创造一个可以识别一切的机器人 。
文章插图
1967年，当时的布莱索离开了自己的公司，同事彼得·哈特继续布莱索的理论，领导斯坦福研究所的计算机视觉技术 。这项技术被CIA称为“快速筛选照片和人像数据库”，据说这项技术可以将电脑搜索人脸的时间缩短100倍 。
在随后的二十年里，伍迪·布莱索在自动推理领域获得了无数奖项，直到他成为美国人工智能协会主席，但他在人脸识别领域的巨大贡献却长期得不到认可 。
布莱索于1995年10月4日去世 。
文章插图
亚历克斯·邦特兰
1991年，人脸特征算法(Eigen face)被应用于人脸识别领域，这是计算机首次自动检测人脸 。这项技术由霍普金斯大学的Chilowicz提出，然后由麻省理工学院的Alex Puntland发扬光大 。
2012年，邦特兰被《福布斯》评为“全球七大最强数据科学家之一” 。
03
在人脸识别技术的发展史上，2D和3D人脸识别技术共同发展，细分场景，各有千秋 。
文章插图
目前的2D人脸识别技术可以达到0.1~0.2%的误接受率，但在某些条件下(如光线、墨镜、角度、表情等)可能会降低 。).
为了克服2D数据的局限性和漏洞，科学家们想了很多办法来弥补这些不足 。主要思想是首先确认用户是真人，而不是照片或视频，然后利用现有的2D数据和算法进一步识别人脸 。
随着识别技术的发展，2D人脸识别以其研发时间长、2D人脸数据库发达、数据采集方便等优势成为人脸识别的主流技术 。其成熟度足以支持日常商业应用，如安全、海关系统中的照片比对、门禁等 。尤其是加入深度学习后，人脸识别的准确率提升到了肉眼可见的水平，在金融领域也得到广泛应用 。
文章插图
而3D人脸识别方法基于人脸的3D模型，具有立体空的信息，可以有效解决投影过程中遮挡、角度旋转等识别难点 。同时，极其相似人脸的2D信息在3D立体空中会有很大差异，因此3D技术在双胞胎识别的准确率上明显领先于2D技术 。
3D人脸识别可以获取更丰富的人脸3D信息，获得更准确的识别结果，从而更好地控制风险 。适用于安全性要求较高的应用场景，如第三方支付领域的“刷脸支付” 。
04
2014年是人脸识别技术发展的革命性一年:深度学习理论应用于人脸识别系统 。
我们的人类识别过程是不断自我学习的 。比如一个外国人刚到中国，他会觉得中国人长得都很像 。过一会儿，他就能看出中国人的五官不一样了 。这就是人类视觉识别的学习过程 。
机器也是如此 。他们还可以通过学习大量的人脸样本和优秀的算法来增强自己的识别能力 。
文章插图
今年，全球最大的社交平台FaceBook(活跃用户占全球人口的三分之一)开发了Deep Face系统:人脸识别技术达到裸眼水平 。
文章插图
Deep face是一个基于python语言的用于面部识别和面部属性分析(年龄、性别、情感和种族)的轻量级框架 。它的优点是只需要几行代码就可以进行面部分析 。
简单来说，就是用计算机语言对标记的照片像素进行分析，生成一个名为template的字符串 。当照片和视频上传到脸书的系统时，这些图像将与模板进行比较 。
文章插图
基于这项技术，用户可以安心地在脸书发布自己的个人照片，同时可以即时了解到自己个人肖像的被盗趋势 。
Deep Face系统有效防止犯罪分子利用他人照片作为其主页头像进行冒充 。
文章插图
阴气
同年，26岁的中国科学家殷琦开始研究和开发人脸识别技术 。两年后，他研发的“刷脸”技术比facebook的深度人脸识别率还高！
28岁的因基被《福布斯》评选为“30岁以下青年领袖” 。
文章插图
Inky在微软亚洲研究院工作了四年多，深入参与了微软的人脸识别项目 。经过四年的经验，殷琦意识到，一旦基于人脸识别的图像搜索技术取得关键突破，消费机器人、无人驾驶汽车和智能家居将很快成为现实 。
“这将是一个万亿美元的市场 。”
文章插图
印度团队开发的Face++智能平台基于深度学习和计算机视觉的深度结合 。它构成了业界领先的算法能力，涵盖了人脸识别、文本识别、图像识别、物体识别、场景识别等数十种计算机视觉能力 。
基于核心算法的突破，Face++在全球顶级AI赛事中斩获40个世界冠军，创造了MS COCO史无前例的三连冠纪录，被誉为AI领域的“中国乒乓球队” 。
COCO数据集是一个庞大而丰富的用于对象检测、分割和字幕的数据集 。这个数据集主要是从复杂的日常场景中捕捉到的，整个数据集的个体数量超过了150万 。
支付宝使用的人脸识别模块是由因奇团队开发的 。我们可以用一百颗心 。
文章插图
我不得不提到另一位中国科学家唐晓鸥，他在麻省理工学院攻读博士学位时开始接触人脸识别算法 。获得博士学位后，他在微软亚洲研究院担任视觉计算组主任 。
2014年3月，唐晓鸥团队发布了GaussianFace人脸识别算法，在LFW数据库上的准确率高达98.52%，首次超越了人眼识别能力(97.53%)和脸书同时发布的DeepFace算法(97.35%) 。该算法的论文被评为2015年人工智能领域影响因子最高的论文 。
文章插图
文章插图
三个月后，唐晓鸥团队开始研究开发DeepID算法，逐渐将人脸识别准确率提升至99.55%，使中国成为该领域的世界领导者 。
他建立的香港中文大学多媒体实验室入选世界十大人工智能先锋实验室，成为亚洲唯一入选团队 。
福布斯甚至称他为“中国人脸识别技术背后的脸 。”
文章插图
综上所述，人脸识别系统的关键在于是否有优秀的核心算法，识别结果是否有更实用的识别率和速度 。
如今的人脸识别系统融合了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等专业技术 。
标签我们每天80%以上的信息来自眼睛的感知 。当我们身边的显示器和摄像头越来越多的时候，这些机器的“眼睛”也记录和参与到我们生活的每一点点滴滴 。
想象一下，在不久的将来，当我们出门时，我们不需要带钱包、身份证、银行卡，甚至你的手机 。只是一张脸，就可以用“刷脸”来完成所有的日常活动 。
推荐阅读
- 电脑出现未识别网络该怎么办
- 王者荣耀开局段位识别 王者荣耀段位说明
- 教你识别人造蛋 怎么识别假鸡蛋
- 钞票上藏有小机关 怎样识别假钱
- 识别劣质眼镜的窍门
- 值得的近义词 站立的近义词
- 葡萄叶子病害识别图
- 怎么识别商标名称 商标如何查询
- 怎么识别玉石原料 玉石原料
- 胖人脸大什么发型好看 胖脸适合什么发型