智慧城市网

　　【安防展览网 时事聚焦】近日，德国化工巨头巴斯夫(BASF)表示旗下全资子公司Trinamix研发的新型人脸识别技术即将问世，通过引入创新性的3D传感器及“活体皮肤”检测系统来防止欺骗性攻击，提高安全性。
 

　　Trinamix开发的新型3D传感模块主要包括：一颗100万像素近红外(NIR)摄像头传感器，一颗泛光照明器以及点阵投影器。该模块会发出一个光点网格，然后对其进行扫描，以分析物体反射光的方式以及不同材料反射光的差异。
 

　　利用“光束轮廓分析”的技术可以区分不同的材料，以确定它是皮肤还是硅胶，木材还是塑料等。其每个光束均由算法单独分析，有助于更精准地区分不同的材料和表面。因此，Trinamix的新型识别技术可以大幅提升现有的人脸识别应用的安全性。
 

　　初的人脸识别技术
 

　　2017年，在苹果iPhone X身上，公众看到了人脸解锁功能：Face ID。现在，大部分的智能手机都已拥有人脸解锁功能，并且人脸技术已经由智能终端解锁场景，逐渐延伸至移动支付、身份检验等多个场景。
 

　　但是，人脸技术在提供便利的同时，也让一些用户对于安全问题产生了担忧。在2019年底，边缘AI解决方案提供商耐能(Kneron)宣称为了验证目前人脸识别技术的安全性，进行了相应测试。
 

　　工程人员手持的是通过3D打印技术制作的人脸面具，耐能宣称通过使用3D面具，攻破了支付宝和微信支付系统，甚至还攻破了国内某火车站的闸机。
 

　　据悉，现在中国的人脸支付用户已经达到了一亿以上。因此，人脸识别技术在提供便利的同时，其安全性已经成为了用户关注的重中之重。
 

　　IPhoneX的FaceID使用深度相机来完成人脸的识别。其采用了一种名为面部深度感知的方案，核心就是为脸部进行3D建模，其依赖的主要硬件则是隐藏在iPhone X“刘海”下的一套识别系统，包括红外传感器、照明器、点阵投影仪、距离传感器和环境光线传感器等各种传感器设备，苹果将整个系统称之为原深感摄像头系统。
 

　　iPhone X在对用户脸部数据进行采集的时候，“刘海”里的点阵投影仪会投射多个点斑在人脸上，其中红外镜头和泛光感应元件，则可以通过深度摄像头实现人眼瞳孔的特征定位，AI芯片A11的深度学习则用于估算人眼视线方向。
 

　　系统会将接收的数据进行3D建模，可以将每个人脸数据绘制为更为精确的深度图，从而可以将人脸数据和与众不同的生理特征作为手机解锁的依据。
 

　　解锁或支付时点阵投影器工作时向人脸投射由 3 万多个肉眼不可见的光点组成的点阵。因为人脸部凹凸不平，点阵的形状会发生变化。
 

　　通过红外镜头读取点阵图案，再与前置摄像头拍摄到的人脸通过算法相结合，就能获得带有深度信息的人脸，从而与已采集的信息进行比对。
 

　　但由于深度相机方案只能通过光线畸变程度来决定信息匹配程度，即使对人脸结构识别精度达到0.1 毫米级别，仍然可以被攻破。此前，柏林的SR实验室使用石膏模具，破解了微软的Hello面部识别系统。
 

　　同时这种方式在多个使用相同类型红外深度感应摄像机的品牌笔记本的测试中都成功了。SR 实验室的创始人表示，他们使用的模具不仅模仿了用户的脸部形状，还模仿了皮肤的光反射性能。
 

　　新技术帮助人脸识别提升安全性
 

　　Trinamix公司的研究人员发现，将红外光束照射到物体上时，物体会因为其不同的构造，反射回不同光线。并且通过分析该反射光线，并将其与更常见的2D红外图像和3D深度图结合起来，软件可以更准确地识别出物体是什么。
 

　　利用该技术，可以区分打印在纸上的人脸照片，戴着面具的人脸，正常的人脸。
 

　　具体而言，两个绿色长方体看起来很相似，但是，实际上一个是塑料材质，另一个由木头制成。
 

　　通过Trinamix的3D传感模块扫描，笔记本电脑上显示了红外光点背向散射的像素化读出，两块长方体的颜色差异便是通过算法标记了物体的不同材质。Trinamix可以调整算法以匹配不同的材料，并识别木材、金属、活体皮肤、车厢内饰以及安全带等物体。
 

　　对比之下，Trinamix的技术超越FaceID的地方在于，它不仅仅进行传统的3D映射，其光束轮廓分析可以根据材料的反射光来区分材料，检测出正在验证的是“活体”皮肤还是逼真的硅胶面罩，同时Trinamix的技术不仅可以识别皮肤，还可以识别近100种不同的材料。
 

　　而且，在传感器前摇晃手指，用部分活体皮肤也无法欺骗它，传感器的分辨率足以检测物体的大小和位置。采用Trinamix的解决方案，其传感器只会在检测到活体皮肤后验证用户。
 

　　活体查验由主动配合到无感检测
 

　　人脸识别技术是生物识别领域内一项重要技术，并获得了广泛应用。但是目前也已出现了伪装人脸的欺骗性攻击，对人脸识别与认证系统造成了潜在威胁。
 

　　因而，现在的人脸识别需要活体检测作为辅助。当前的活体人脸检测技术主要有三类，分别基于人脸微动作、3D人脸重建、红外光人脸检测来实现。
 

　　基于人脸细微动作的活体检测：由于照片、模型中的人脸不具备进行细微动作的可能，那么在查验过程获取人脸的连续一系列细微动作便可以获得一些线索来判断是否是真实的人脸：如眼睛眨动、嘴唇的离合等。
 

　　通过将面部细微动作与周边场景的细微变化设为相应的特征值，并设置波动范围，与存储的人脸特征值进行比对，可以判断是否为活体。
 

　　基于3D人脸重建的活体检测：人脸被标准化到一个统一的标准的方向和位置，人脸的形状由数百个顶点表示，将人脸的 n 个顶点的 X、Y、Z 坐标串接起来，组成形状向量来描述人脸的 3D 形状。
 

　　为得到更加精细的3D 形状的解，可以按照给定 2D 图像上的特征点的坐标来对 3D 形状顶点进行进一步调整，得到人脸精细的 3D 形状信息。
 

　　基于红外人脸检测的活体检测：由于人体血液流动的过程中产生了温度，会被皮肤发散，从而使皮下血液系统呈现出一种面部信号。
 

　　这种信号可以被红外照相机获取，使用热灵敏度小于或等于0.7℃的红外照相机拍摄的人脸照片，每张脸一般含有数百个或者更多的封闭的同温线。
 

　　通过对于人脸皮肤下面的血管分布信息采集，提取同温线特征，用几何分析的方法来分析同温线形状，从而分析的结果产生的特征值就可用来进行人脸活体检测。
 

　　目前，主要的活体检测方式是基于人脸细微动作配合查验是否为活体识别，通常包含几个鉴别步骤，比如眨眼判别：要求用户眨眼一到两次，人脸识别系统会根据自动判别得到的眼睛的张合状态的变化情况来区分照片和人脸；
 

　　或者嘴部张合判别，与眨眼判别类似，要求用户张开、闭合嘴巴一到两次，人脸识别系统据此区分照片与真实人脸，从实际情况看来，进行上述步骤需额外耗时，而且无法保证一次成功，有可能需要二次进行。
 

　　对于此种情况，由Trinamix带来的新型3D识别技术，可以大幅度提高现有的人脸识别技术的安全等级。同时，其方案可以省去现有活体检测中主动配合的过程，使活体检测由需要主动配合过渡至无感检测，在未来进一步提升全场景下人脸识别的便利性、可用性。