前些日，#小學生發現刷臉取件bug#的話題引發關注!
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，只要用一張打印照片就能代替真人刷臉，騙過小區里的豐巢智能柜，最終取出父母們的貨件。隨后，有媒體用照片進行測試，果然如此。
一張打印的照片，就可以騙過快遞柜的人臉識別系統，豐巢的人臉識別取件技術備受質疑。對此，@豐巢智能柜 官方微博進行回應，表示該應用為試運營beta版本，在進行小范圍測試，已第一時間下線。
事實上，目前市面上主流應用的人臉識別技術已經相當成熟。人臉識別這一技術，已廣泛運用于安防、支付、身份核實等領域，且成熟的人臉識別技術精準度已到達到巔峰級。
“豐巢”事件背后的基礎人工智能技術，涉及的主要是人臉識別領域中的活體檢測領域，即檢測人臉是真人還是偽造樣本。目前，主流的活體檢測技術基于攝像頭類型可分為：基于2D人臉活體檢測和基于3D人臉活體檢測。兩種算法目前都有實際商用的案例。
從識別精度出發，3D人臉活體檢測遠勝于2D人臉活體檢測，因為3D圖像的深度通道可以獲取2D圖像中沒有的距離信息，對照片欺騙等欺騙方式具有更好的鑒別能力。目前，支付寶及部分銀行已經開始商用基于3D結構光的人臉活體檢測技術，但是3D設備成本較高，目前除了少數高端手機機型及專用3D設備，大多數電子設備的攝像頭都沒有配備3D模組。因此，2D人臉活體檢測技術精度仍有巨大的實用價值。
基于2D人臉的活體檢測算法精度雖然不及3D，但是可以通過多種人臉行為組合的方式來提高識別精度。例如某銀行的遠程身份認證系統要求人連續做出眨眼、轉頭、抬頭低頭等動作來確認真人身份，這種動作組合的方式可以識別照片欺騙等欺騙行為(因為照片不會做動作)。從精度評估來看，假設算法對人臉動作的誤識別率是5%，那么連續做兩個動作都被誤識別的概率就會降為5%*5%=0.0025，連續三個動作都被誤識別精度會降為0.000125。通過動作次數的增加，誤識別率會指數級降低(不過會影響用戶體驗)，同樣可以達到商用級精度。
數據堂自制版權【1066人活體檢測數據】是面向目前的2D人臉活體檢測算法進行研發的。該數據集采集了黃種人、黑人和白人共1066人的活體檢測數據，涵蓋了活體檢測算法中要求的絕大多數數據形式，包括原始人臉動作(真實人臉)，手機、pad翻拍人臉動作(人臉動作對抗樣本)，人臉照片欺騙及面具欺騙(照片對抗樣本)以及唇語等。每個被采集者總共采集435段原始視頻+63張圖像數據，是一套完備的2D活體檢測人臉數據集。
基于目前的技術發展趨勢，基于2D的人臉活體檢測技術目前更易于進行大規模商業推廣，畢竟簡單的手機鏡頭就可以實現活體檢測。
當然，隨著GAN(生成式對抗網絡)等新技術的快速發展，人臉的動作和表情被模擬的更加真實，這些對2D人臉活體檢測技術會造成極大的挑戰。因此，未來隨著3D設備的不斷量產和成本的不斷降低，基于3D人臉的活體檢測技術將會成為主流的發展方向。
免費試用以上數據或獲取更多樣例，請前往數據堂官網：www.datatang.com
申請創業報道，分享創業好點子。點擊此處，共同探討創業新機遇！
