文章从三个方面切入，对“刷脸”技术进行了简要的分享。

近日，iPhone X 的 Face ID 功能，再次引爆关于刷脸的讨论，小宅本期从三方面聊聊关于刷脸的事：

• （why）为什么 Face ID 挺靠谱？
• （what）最近还有哪些刷脸应用？
• （what）刷脸都有哪些相关技术？

iPhone X 的 Face ID 挺可靠

上周，iPhone X 发布，推出很多新功能，但被网友们玩坏了，比如：好贵、好丑，而被玩得最多当然是：Face ID。

哈哈哈，看完这些是不是都不敢买 iPhone X 了，好像还有生命危险。其实它的 Face ID 挺靠谱，理由大盘点：

几何构图更精准

通过点阵投影器，将30,000多个肉眼不可见的光点投影在你脸部，绘制出你独一无二的脸部几何结构图。红外镜头会读取点阵图案，捕捉它的红外图像，然后将数据发送至 A11 芯片中的安全隔区，以确认是否匹配。

Face ID 并不是简单的图像识别系统，它看的是整张脸的 3D 模型，识别用户脸上特别详细的特性，可以做到面具也无法骗过的程度。

远不止10亿张图像

为了训练 Face ID ，苹果收集了10亿张图像，获取全球广泛的地理和民族数据集，用于测试和验证 Face ID 的识别率。

这些数据中必须包括一张脸部数据的高保真深度图，为此这些数据不能来源网络，而只能是在外收集，在获得扫描主题的认可之后，会从各个角度进行非常详尽的脸部数据扫描，获得更多细节数据，来训练 Face ID 系统。

自适应特性

Face ID 有一项自适应性特性，不管你是换了个发型，蓄起大胡子，还是接受了整形手术，它都能够在你“变脸”之后认出你。因为 Face ID 会通过深度学习来重新训练模型，实现自我适应特性。

安全和隐私

和当年苹果的 Touch ID 一样，苹果承诺不会向执法机构交出人脸数据，因为苹果从未拥有过这些数据。

你在训练数据的时候，它随即就以数学模型的方式保存到 Secure Enclave 中，逆向工程也无法让它恢复成一张脸的样子。这些数据都是在设备端，而不在苹果的云端，且 Face ID 的数据都经过了加密。

注视感知功能

Face ID 还有一个“注视感知”功能，你必须盯着手机看才能解锁。这可以避免在你睡觉时别人用手机扫你的脸就能解锁，也避免有人趁你不注意拿着手机对着你的脸就能够解锁的风险。

黑暗中也能刷脸

Face ID 有一个泛光感应元件，借助不可见的红外光线，即使在黑暗中也能识别你的脸。在这里需要澄清的一点是，iPhone X 并不会发射出可见光。

可靠且快速

不管光线如何，Face ID 利用 RGB 摄像头、红外发射器和点阵投影器，能够覆盖一份非常广泛的场景阵列，识别不仅非常可靠，且速度很快。

有这么一种情况：用户拿起手机同时向上轻扫屏幕，Face ID 系统很有可能就已经完成了验证，在你完成轻扫的同时解锁了你的设备。

快速禁用 Face ID

在某些极端情况下，比如被小偷或者警察强制要求交出手机的时候，用户可以快速禁用 Face ID，只要在伸手掏出手机的时候按压任何按键就能禁用 Face ID 了。

而且，在紧急情况下，你可以同时按下任何一个音量键和电源键禁用 Face ID，默认回到需要输入密码解锁的模式。

另外，相比旧款机型要快速按压电源键 5 次的操作， iPhone X 只要你长按机身两侧的任何一侧按键，你就可以进入关机界面，这种操作显得更加隐蔽。

自动上锁

在以下情况，用户都需要密码才能启用 Face ID：

• Face ID 尝试解锁失败5次；
• 4 个小时内没有用 FaceID 来解锁过设备；
• 6.5 天内不曾用密码或完全没用过密码解锁手机；
• 按下设备的睡眠/唤醒键或者设备进入睡眠模式；
• 重启设备。

开发者屏蔽

开发者不能访问 Face ID 阵列的原始传感器数据，相反，他们可以获得深度图以便在应用中使用，包括 ARKit 应用。

美中不足

有些眼镜的涂层会阻隔红外线，在这种情况下，你只能摘下眼镜识别，或者用密码解锁。

对于盲人或者视觉受损用户，可以关闭“注视感知功能”来使用 Face ID，但是整体安全水平没有那么高，因为它无法确定用户双眼正直视着它，盯着它看。

由于 Face ID 要求能够看到你的双眼、鼻子和嘴巴，也就是说某些情况它无法使用，比如脸上戴着面纱之类东西的用户。

最新刷脸应用

除了 iPhone X，还有一些比较新的刷脸应用：

刷脸支付

近日，支付宝在肯德基的 KPRO 餐厅上线刷脸支付：在自助点餐机上选好餐，进入支付页面，选择“支付宝刷脸付”，然后进行人脸识别，大约需要1-2秒，再输入与支付宝账号绑定的手机号，确认后即可支付，支付过程不到10秒。

肯德基 KPRO 的点餐机上配备了3D红外深度摄像头，在进行人脸识别前，会通过软硬件结合的方法进行活体检测，来判断采集到的人脸是否是照片、视频或者软件模拟生成的，能有效避免各种人脸伪造带来的身份冒用情况。

这也是刷脸支付在全球范围内的首次商用试点。

刷脸取款

近日，农行在自动取款机上线“刷脸取款”，用户可以不带卡，只要刷脸就能取款。站在农行 ATM 机前，看一眼摄像头，再输入手机号、取款金额、密码，自动吐钞，拿走现金。

除了人脸识别之外，用户还需要输入手机号码或身份证号进行身份确认，最后再依靠密钥进行取款，安全性相对插卡取款还多了一重保障。不过，如果是进行过整容，或者化妆与本人差距实在太大，可能会造成识别失败。

除了农行外，招行也属于较为激进的AI技术探险者。去年，招行在全国106个城市近千台 ATM 机上实现了“刷脸”取款的功能。

刷脸进站

目前，一些火车站已经推出“刷脸进站”功能。旅客拿着身份证、火车票，再面朝屏幕盯上几秒钟，旅客就能快速通过检票，最快只要3秒。

旅客再也不用排长队等待人工检票，这不仅极大地给旅客提供了便利，更增加了安全性。

另外，这种刷脸进站系统，还与公安网相连，犯罪嫌疑人在终端前一露脸就露馅。

当有人脸部受伤或者多人刷脸时，还是会出现识别不出的状况，这种时候就需要车站工作人员进行二次识别了。

其他刷脸应用

6月底，南航于河南南阳机场启用国内首个人脸识别智能化登机系统，无需证件、登机牌，在登机口前，旅客只需“刷脸”即可秒速开闸登机。

最近，蚂蚁金服通过人脸识别技术，帮助上海、杭州、深圳等地市民实现了“刷脸”办政务，对着手机摄像头扫一扫就能查询公积金、申报个人所得税等。

近日，支付宝和自提柜厂商“递易”在上海开始试点自提柜刷脸取件，根据提示操作，取件只需要5秒钟。

除此之外，还有很多刷脸的应用，小宅就不一一举例了，刷脸应用非常方便的改变了我们的生活。

人脸识别技术

既然刷脸时代已经到来，那么关于人脸识别都有哪些技术？

人脸检测

检测图片或视频流中的人脸并返回人脸框坐标，且可以储存检测到的人脸数据，用于后续人脸比对、人脸搜索等高级功能。主要应用：

基于人脸的人流量统计，利用人脸检测技术，能够轻松识别出图像或视频中所有人脸并计数，从而方便在零售商业、机场或学校等场所进行基于人脸的人流量或出勤率统计。

集体照标记，在集体照中找到并标记出所有人脸，配置高精度的智能算法，可以在各种场合都能抓住每一个笑容，无论是大学毕业典礼留影还是马拉松比赛抓拍。

人脸关键点

定位并返回人脸五官与轮廓的关键点坐标位置。关键点包括人脸轮廓、眼睛、眉毛、嘴唇以及鼻子轮廓。无论是静态图片还是动态视频流，人脸关键点均能完美贴合人脸。主要应用：

人脸照片编辑，运用人脸关键点，能够轻松编辑人脸照片，并施以令人惊叹的精细效果，如人脸妆容、贴纸、人脸五官或外貌变换等。

视频滤镜与贴纸，能够流畅处理视频流中的人脸，可以实时添加人脸滤镜或贴纸。

3D 人脸模型，利用高精度的人脸关键点，可以为视频或图片中的人脸打造纤毫毕现的 3D 模型。

人脸属性

基于深度学习算法，能够进行一系列人脸相关的属性分析。可以获取多种人脸属性，包括年龄、性别、微笑程度、头部姿态、眼睛状态、情绪、颜值、视线、嘴部状态、皮肤状态、人种、人脸图片质量与模糊程度。这些精准的人脸属性信息，能够开展各类基于人脸照片的分析工作。主要应用：

• 广告精准投放，通过实时分析受众群体的人脸属性，可以投放精准匹配的广告信息。
• 市场调查，运用人脸属性，能够分析客户的属性与行为模式。在市场分析与媒介效果测量领域，获得前所未有的灵感与助益。

人脸比对

分析两张人脸属于同一个人的可能性大小。使用人脸比对技术，可以得到一个置信度分数和相应的阈值，以便评估相似度。主要应用：

基于人脸的用户核验，运用人脸比对技术，能够比对实拍照片与底图，核验用户身份。这被广泛应用于打造刷脸登录或远程核身功能中。

人证合一，自动将人脸照片与证件照片进行比对，例如护照、驾照或身份证照片，这有助于在安保场景中提高效率与准确性。

人脸搜索

针对一个新的人脸，在一个已有的人脸集合中搜索相似的人脸。通过精准强大的人脸搜索算法，可以返回一系列相似人脸，以及相应的置信度分数与阈值，以评估相似度。主要用于：

智能照片库，通过人脸搜索，能够轻松聚合相册中的相似人脸。借此可以打造带有人脸自动聚合功能的智能相册应用。

刷脸门禁，采集访客的人脸图像，并在身份照片库中进行搜索，以便确认访客的身份。人脸搜索技术被广泛用于自动门禁或访客登记系统。

安防监控，能够检测到监控画面中的人脸，并在预置的数据库中搜索相似人脸，从而快速定位可疑人物或失踪人口。

这是一个刷脸的时代，不管你长得英俊潇洒，还是貌美如花，在机器面前，人人平等，不以颜值论英雄。轻松一刷，智享生活！

本文由 @小宅的视界 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自PEXELS，基于CC0协议