第三个，人脸关键点不等于人脸特点。
如上图所示，左边是关键点。我们拿出 10 小我的关键点来比较，可以发明每小我的关键点是异常类似的，是以经由过程比较关键点异常不靠谱。人脸特点是指对人脸的一串编码数据，你可以想象成有一个多维空间，每张人脸是多维空间的一个点，如不雅采集到了你多张人脸的┞氛片就是多个点，那么点之间的距离越近就越可能是同一小我，越远就越可能不是同一小我，我们的逻辑是如许计算的。
本年除了苹不雅外，所有的解锁方面都是解锁级的筹划，碰到付出场景，照样须要依附指纹或暗率攀来完成。我们认为人脸解锁的将来是人脸付出。而在付出上，只有特定的摄像头硬件筹划才能达到这种安然水准。例如苹不雅所采取的构造光。
构造光双摄，重要的道理是经由过程构造光的发射器和接收器之间产生的相位差来计算进出脸的深度，并且针对这个深度来判别真伪。所以大年夜构造光硬件本身是可以或许防御所有的 2D 进击手段，包含屏幕和纸张。但因为付出场景的敏感性，进击者可能采取 3D 打印或者硅胶膜词攀类成本更高的进击手段来窃取机主的家当。 这便须要我们如许的算法公司去解决该类活体问题。
前面有提到，刷脸付出在本年才真正落地。在杭州的一家肯德基门店，已经布上了一台刷脸付出机，用户不消带钱包和手机，只须要跑到机械前刷脸就可以或许完成付出。在这台付出设备的顶上安装的是构造光摄像头。
为了同时解决体验问题和安然问题，我们做出了一项新的冲破性的活体技巧。具体道理不便利多说，可以给大年夜家看一下下面这张图。
如上图所示，大年夜家可以看到右上角的图，左边的人脸是个硅胶的三维人脸，有一个真人的手里着一张纸，纸上有打印出来的 2D 人脸。散斑构造光打在这些材质上会产生光斑，我们把采集到的构造光光斑的画面进交运算后，可以很有效的断定出了哪个材质是硅胶、哪个材质是人手、哪个材质是纸张。我们将来会有更多的新技巧，来晋升手机刷脸付出场景的安然性。
瞻望将来，我们认为刷脸付出的场景将来会拓展到各行各业，因为刷脸不须要合营，也不须要做任何的操作，用户没有感知就可以完成，所以不仅是线上可以用来做付出，线下可以在新零售、无人超市，用刷脸来解决付出问题。
【编辑推荐】
- 人工智能若何把美男打回本相
- 人工智能将成为数据中间治理的覆性的技巧
- 人工智能，机械进修和深度进修之间的差别是什么？
- 深度进修之父Hinton宣布胶囊收集的最新进展，将重塑人工智能
- 应用人工智能进行网页设计的10种办法
推荐阅读
Tech Neo技巧沙龙 | 11月25号，九州云/ZStack与您一路商量云时代收集界线治理实践大年夜文件中可以看出，搭载OS X操作体系的MacBook以及搭载tvOS操作体系的Apple TV应用周期约为4年，而搭载iOS操作体系>>>详细阅读
本文标题：深入解析人脸解锁的前世今生
地址：http://www.17bianji.com/lsqh/39222.html
1/2 1
网友点评
精彩导读
科技快报
品牌展示