饅頭老妖

如今，人臉識別技術已經在生活中的各個領域得到廣泛使用。從超市買單時的刷臉支付、高鐵檢票時刷臉過閘，到諸多手機App的用戶身份驗證，比如手機游戲里的防沉迷系統(tǒng)…… 可以說，我們的這張臉，已經成為網絡時代最好用的身份識別手段。

然而，也有很多人對此表示擔憂：倘若不法之徒盜用了我的形象，冒充我進行人臉識別，偷花我的錢，甚至還可能給我?guī)砟涿畹墓偎?，那該怎么辦？

那么，人臉識別，真的有那么容易忽悠嗎？

人臉識別的分級管理

我們都知道，越是重要的場合，對安保技術的可靠性、穩(wěn)定性要求也就越高。人臉識別的應用也是如此。盡管都叫作“人臉識別”技術，但在不同的應用場景里，它抵抗忽悠的能力也是不同的。

大體上，人臉識別的設備，可以分為兩大類：一類是使用手機、平板電腦的攝像頭來識別人臉，另一類則是通過專門的設備，比如高鐵、機場安檢臺的高清攝像頭來識別。后者體積更大，從價格來說，也更貴。一分錢一分貨，其識別的準確率和抗欺騙的能力，也遠遠超過前者。所以，在那些重大的場合，人臉識別的可靠性還是相當有保證的。

鏡頭前是活人嗎？

技術上把這種抵抗忽悠的能力， 稱為“ 活體檢測”。那么，要如何判斷站在鏡頭前的，是一個真人，還是打印出來的照片或者手機上的畫面？

最常用的檢測方式是動作檢測。通過語音、文字等方法，要求被驗證的用戶做出一系列指定的動作，如張嘴、搖頭、眨眼、念出某個隨機數字等等。很顯然，照片上的人臉，是不會做出這些動作的。這種方式的成本低，可靠性也很高，但缺點就是需要用戶予以配合。

不需要用戶配合的方法里，比較常用的有兩種：人臉深度信息的鑒別和多光譜下人臉反射的鑒別。

先來說說人臉深度信息的鑒別。無論是平板、手機，還是打印出來的人臉照片，人臉都是二維化的，眼睛、鼻子、耳朵都處于同一個平面內。而真正的人臉，當然是三維的：鼻尖在最前面，耳朵在最后面，眼睛位于兩者之間。

在數學上，常用“曲率”這個參數，來描述一個物體表面的凹凸、彎曲情況。在人臉識別中使用的也是這個邏輯：先用一束人眼無法看到的光，在被識別的“臉”上進行大致的3D掃描，通過反射回來的微小差異，得到耳朵、鼻尖、額頭等位置的特征點在空間中的坐標，從而計算一個綜合曲率;再和已知的人體曲率范圍相比較，就能知道這個曲率是否合理。如果算出來曲率很小，那就說明識別的只是一個二維的平面，不是活人。

要做到這一點，需要比較專業(yè)的設備，手機恐怕是很難的。但近年來，隨著雙攝手機的普及，人臉識別的能力也得到了全面提升：兩個鏡頭之間有一定的距離，就像是我們的左右眼;當它識別的是一個凹凸有致的人臉時，兩個鏡頭“看到”的畫面，一定是有較大差異的。如果兩個畫面幾乎完全一致，那一定不是真人。

而多光譜鑒別，是在人臉深度信息的基礎上再加了一道保險：它會用不同顏色的可見光、近紅外光、近紫外光等很安全的光源，交替掃描人臉。人的皮膚對這些光源的反射能力，和照片、屏幕差異極大，容易看出破綻。即便能讓其中一種光源蒙混過關，也很難同時模擬人臉對其他幾種光線的反射情況。

總體而言，人臉識別中的活體檢測技術，就是在與不法分子進行較量，兩者都在對抗中不斷進化。但愿，不會真的出現我們的“臉”被人偷走的那一天吧。