火出圈的3D人脸识别如何让“刷脸”更安全？

看一眼智能手机，就能自动唤醒屏幕进行刷脸解锁，很多人都习惯了不再手动输入密码。逛完超市，双手提着购物袋，看一眼收银台的终端设备，就能刷脸支付，节省了大家排队等待的时间。如此便利的体验，都缘于人脸识别这项技术的普及。

不过，“刷脸”在给人们日常生活带来便利体验的同时，其安全性更是备受关注。前不久，瑞莱智慧Real AI的研究人员通过对抗样本攻击，破解了19款安卓手机的人脸识别解锁系统，只有一台iPhone 11未被破解。

多款手机人脸识别解锁系统被轻易攻克

为何人脸识别如此容易被“攻克”？

简单来说，目前市面上的人脸识别可大致分为2D平面和 3D立体两种图像识别。按照安全等级来分，3D人脸识别比 2D人脸识别的安全等级更高。

2D人脸识别利用摄像头获取人脸的RGB彩色图像，再对该图像进行人脸监测，机器会识别出脸上的眉毛、眼睛、鼻子等等部位并进行特征提取。最后机器会输出一个数值串，进行数据库的信息比对，以此达到识别出人脸的目的。

2D人脸识别需要检测人脸并进行特征提取

在2D人脸识别出现越来越多的“bug”后，越来越多的企业将注意力转移到3D人脸识别，以期提升相关应用的安全性。

苹果公司推出的iPhone X手机是人们比较熟悉的3D人脸识别技术应用。越来越多的安卓手机，例如华为Mate 30 Pro、OPPO Find X、小米8透明探索版等等，也都采用了相似的3D人脸识别技术。

华为Mate 30 Pro的3D人脸识别技术

3D人脸识别基于RGBD进行多模态（RGB+深度图）图像识别或者直接对3D点云进行人脸识别，在识别出人脸所处空间内的每个点位的三维坐标信息后，计算并复原完整的三维图像。因此即使你的头部并不是正面向镜头，采用 3D 人脸识别技术的设备也能将你认出来。

以iPhone X的Face ID所采用的3D结构光举例，其深感摄像头模组中包含红外镜头、泛光感应元件、距离传感器、点阵投影器。工作时，点阵投影器向面部投射出 3 万个肉眼不可见的红外点光源，先由红外镜头拍摄一张红外照片，并根据照片上点阵位移情况，分析出脸部的景深信息，由此合成 3D 模型。

3D人脸识别整个处理过程获取的信息更大，识别精度上限远高于2D人脸识别，目前甚至可以商用于人脸支付等要求较高场景。

3D人脸识别获取的信息更大，识别精度更高

面向3D人脸识别技术的应用，数据堂设计并研发了《1,078人3D人脸采集数据》、《10,000人3D人脸识别数据》和《1,000人3D活体检测数据》。数据堂严格遵守相关规定，所采集的数据均已获得被采集人授权，致力于用高质量的数据推动3D人脸识别技术的发展、有效保障用户“刷脸”的安全性。

1,078人3D人脸采集数据

3D人脸采集数据样例，已获得被采集人授权

工作人员使用Realsense SR300，对每位被采集者采集多光照多姿态视频16段，采集周期为6周，每周采集一次，视频分辨率达1,920*1,080。标注人员对被采集人的性别、年龄以及采集场景、动作、眼镜、距离等标签信息进行标注。数据已脱敏，不含敏感信息。数据的人脸动作准确率超过 97%，标签标注准确率也大于97%。

《10,000人3D人脸识别数据》

3D人脸识别数据样例，已获得被采集人授权

该数据使用通用性非常高的iPhone X，iPhone XR进行采集，对被采集者每人采集24张照片。数据涵盖多种光照条件，静默、抬头、低头、左转头、右转头、头左偏、头右偏、戴口罩等多种动作。标注人员对每位被采集者的人种、性别、年龄和采集场景进行标注，对图片对应的动作和光照条件进行标注。按照采集动作准确度为准，精度超过97%，标签标注准确率也在97%以上。

《1,000人3D活体检测数据》

3D活体检测数据样例，已获得被采集人授权

该数据同样使用通用性非常高的iPhone X，iPhone XR进行采集。数据多样性涵盖了多表情、人脸多姿态、对抗样本、多种光照条件、多种场景。标注人员对被采集人的人物id、人种、性别、年龄、人脸动作、采集场景、光照条件进行标注。按照采集动作准确度为准，数据精度超过97%。

技术赋能“人脸识别”的初衷，是给人们的生活带去便利，并不是让个人隐私“裸奔”。在法律不断为人脸识别划定“红线”的同时，业界也需要树立起人脸识技术标准，设计并研发成熟的人脸识别解决方案。