近日一則豐巢快遞櫃被小學生用照片破解刷臉取件的新聞引起了很多網友的關注,人們對於人臉識別的安全性再度表示出種種隱憂。針對小學生照片「刷臉」取件一事,豐巢官方回應稱,「刷臉取件」是小範圍推出的測試版本,已第一時間下線。
豐巢被小學上用照片破解刷臉取件
浙江嘉興上外秀洲外國語學校402班科學小隊向媒體爆料:他們在一次課外科學實驗中發現,只要用一張列印照片就能代替真人刷臉、騙過小區裡的豐巢智能櫃,取出了父母們的貨件。隨後,小朋友們還發來了幾段視頻佐證。視頻曝光後引發熱議和質疑。
僅憑一張照片就可以破解豐巢貨櫃的刷臉識別,這顯然是豐巢並沒有採用基於3D識別的刷臉技術,而是成本較低的2D識別。目前在支付寶的蜻蜓和蘋果華為部分手機型號上都已經搭載了3D面部識別技術,比如蘋果的Face ID,完全符合金融驗證級別的安全需求。
手機頂部的3D面部識別模組
以蘋果和華為的手機的面部識別為例,他們的3D面部識別功能均基於3D結構光技術。3D結構光技術目前在安全級別較高的支付場景和高端手機等均有採用。
為了便於理解,我們不妨把「3D結構光」這幾個字進行拆分和倒敘排列成「光、結構、3D」這些關鍵詞,可以讓我們更好理解其運行的邏輯。
簡單來說,這項技術通過發射具有一定結構特徵的光線,投射到用戶面部。再通過攝像頭感知面部的散斑,從而描繪出你面部的結構。這些散斑主要反饋的是面部特徵的深度信息,所以相當於給你的臉建了一個3D模型,它是三維立體的。
3D結構光工作原理
因為光的傳輸速度很快,所以面部識別的速度可以達到毫秒級。同時因為這些光線的點陣密度極高,描繪的面部細節豐富且精準,因此安全性極高。又因為其採用主動發光的方式,不依賴環境自然光,即使在深手不見五指的夜晚也能實現安全識別。
重點在於3D結構光技術描繪的是3D立體模型,所以照片、視頻上呈現的雖然是你的臉,但因為實際上還是2D平面結構,自然無法破解安全級別很高的支付級3D面部識別技術,因此從根本的邏輯上就不存在盜刷的可能。
3D面部識別在各行各業都有發展的空間
只要你敢於想像,3D結構光技術幾乎在各行各業都有發展的空間。也正是因為前景如此廣闊,蘋果才會在2013 年花費重金收購以色列傳感器公司Prime Sense,並經過多年的潛心研發,最終在iPhone X上推出Face ID,震撼業界。
可能有的小夥伴就問了,這些3D面部識別技術,他們的差異究竟在哪裡呢?這就要談到目前三種常見的3D識別技術,即雙目測距法、TOF飛行時間法,以及3D結構光。
雙目測距法,即兩個攝像頭模仿人類雙眼,通過不同的角度聚焦物體,從而產生物體的深度信息,再經過算法來實現面部識別。這種方式有一種嚴重的局限性,天黑時人眼的可視範圍和視力會急劇下降,它也是如此,因此很難應用於安全級別較高的支付場景。
3D結構光與TOF之間的光源差異
而3D結構光和TOF是目前更具優勢的兩種方式,他們都是3D成像原理,但卻各有利弊。3D結構光是近距離散斑採集進行3D建模,而TOF是遠距離光源採集進行3D建模。所以,3D結構光更適合近距離應用,而TOF可應用於遠距離。
當然,在主流的應用場景中,誰也不會站在10米開外「刷臉」。所以一直引領創新的蘋果公司在2017年發布iPhone X人臉解鎖支付的時候,選擇的是更適合的3D結構光技術,識別精度可以做到1mm以內。
機器3D視覺的出現,完全打開了人們的想像空間。這項技術不僅可以運用在人臉識別解鎖、支付等場景,還能夠結合AR、5G、AI等前沿技術獲得更廣闊的發展空間,比如應用於掃地機器人,通過「雷射建模」來獲得更為精準的線路規劃;結合AR技術,可以為你的身體建模,量身定製衣服、AR美顏瘦臉或者是更沉浸式的AR遊戲。
(7296283)