<br>
9月12日,苹果除了推出三款新iPhone机型外,还发布了Face ID。这是一项通过识别手机主人面部来解锁的新功能。该系统不仅依靠机器学习的一种——神经网络,还借助布置在机身正面自拍摄像头附近的多个传感器。
苹果的面部识别与Facebook在照片中的二维位置上给出标签的方式不同。最新的iPhone以三维方式识别人脸,并将这些数据用作解锁手机所需的生物认证指标。遗憾的是,该功能仅存在于苹果售价999美元的旗舰智能手机iPhone X上。实现Face ID的原深感摄像头系统的传感器中,包括红外摄像头和点阵投影器。据介绍这项技术的苹果高级副总裁菲尔·席勒称,点阵投影器会向用户面部投射3万个以上的红外光点,通过由此得到的数据解锁手机。
面部识别流程的第一步是原深感摄像头系统拍摄红外照片。随后硬件中的另一装置向用户面部投射数千个红外光点。席勒表示:“把红外照片和光点图案送入神经网络,生成用户面部的数学模型。将该数学模型与此前存储的模型进行比对,一致则解锁手机。”
<br>结构光
据密歇根州立大学计算机科学与工程系教授、生物认证专家阿尼尔·贾因称,为辅助计算机视觉系统而向三维物体投射某种图案的技术可追溯到数十年前。这被称为结构光技术。
贾因表示,计算机视觉系统通常使用两个摄像头测量深度,从而获得立体视觉。但在结构光技术中,两个摄像头中的一个被替换为向物体投光的投影器。苹果使用点阵图案,但据贾因称,也可以使用条纹或棋盘等其他图案。
贾因称:“在摄像头与投影器之间进行适当校准后,系统就能得出所看到的曲面物体的深度信息。”投射在平面上的光点与投射在曲面上的光点,在系统看来完全不同。而人的面部全部由曲面构成。
在主题演讲中,席勒表示已采取措施,使系统不会被照片或面具等手段欺骗,即使面对好莱坞专业面具制作者和化妆师的手艺,辨别力也没有问题。贾因指出,其原因在于该系统使用红外线,因此能够区分真实皮肤与合成材料面具。<br>
<br>
最后,该系统利用神经网络的能力,对面部识别过程中获取的数据进行压缩。神经网络是人工智能中广泛使用的工具。科学家可以通过向神经网络输入数据来对其进行训练。例如,研究者可以向神经网络展示大量带标签的猫的照片,教它猫是什么样子。这样,神经网络在看到全新的照片时,就能判断其中是否有猫。神经网络的这种能力并不局限于图像。例如,Facebook就使用多种类型的神经网络来翻译文字语言。
目前上市的其他手机也大多具备面部识别系统。代表性的是Samsung Electronics的S8手机和新款Note8设备。它们使用手机的自拍摄像头。
但该公司警告称,面部身份识别功能不如指纹识别功能安全。因此在使用Samsung Pay时无法使用面部识别功能。而苹果则宣称,可以使用Face ID系统完成Apple Pay交易所需的认证。
贾因评价称,苹果的生物认证Face ID系统将技术又推进了一步。理由是并非所有人都能打造生物认证神经引擎。打造生物认证神经引擎意味着要训练面部识别系统,为此需要展示10亿张以上的照片。据贾因称,这是其他企业难以效仿的工作。<br><br>
Seoul Economic Daily 科技生活编辑部 / by Rob Verger






