現在，牛X的黑客都開始偷你的臉了。。。

刷的不是卡

是面子

最近幾天，差評君發現關於刷臉的新聞鋪天蓋地，很多項目紛紛落地。。。

靠臉吃飯

靠臉付錢

靠臉坐飛機

還有靠臉念大學

靠臉。。。取廁紙。。。

不得不說，在我們國家，新興技術項目落地效率真的很高。。。

可能有差友會問，人臉識別技術到底是什麼原理？

如今在世界各地的大學，科研機構，以及科技公司目前都在研究人臉識別的技術。

雖然大家的目的都是想讓計算機識別人臉，但方法卻截然不同。

差評君簡單給大家介紹一下主要的幾種演算法。

第一種，

基於幾何特徵

的演算法。

這種演算法把人臉的五官視為一個個部件，然後計算這些部件之間可以

量化

的關係，例如眼睛和鼻子間的距離，角度等等，最終對人臉分析出一系列數字化特徵。

這種方式雖然原理簡單粗暴，但是隨著對臉採集的數據量增加以及分析樣本的提升，識別效果也還不錯~

第二種，

特徵臉。

這個演算法和上一種的思路是類似的，也是通過數學方法，

不過上一種屬於幼兒園數學，這種屬於碩士數學。。。

首先，準備一個樣本，每個圖片的大小要一樣。

然後，計算出每個像素的平均值，得到一張 「 

平均臉 

」

還有點小帥啊。。。

再把原來的人臉根據得到的平均臉做一些處理，得到了一系列 「 

特徵臉 

」。

下方圖片核能預警。

驚悚不？

最後，這組臉就可以拿來做識別了！

當你要識別某張臉 X 的時候，拿它和每一張特徵臉的相似度。比如說 X 和特徵臉一號有10%的相似度，和特徵臉二號有5%的相似度。。。

我們可以把這些相似度都依次記錄下來組合在一起，這組數就成了 X 專屬的特徵數值。

如果特徵臉的樣本足夠多，那麼 X 的特徵數值就 「 更具有唯一性 」。

這時丟過來一張新的照片，如果跟樣本依次對比後的特徵數值和 X 的特徵值吻合，那麼這張新照片上的臉就幾乎可以確定是 X 了。

以上兩種方法的思路都是把臉部特徵量化，然後把問題轉化為數學模型通過計算來解決。

這麼做的好處是計算速度快，缺點是對於複雜場景處理能力不強，例如光照，表情等影響較大。

也許你很討厭數學，但是對計算機問題來說數學是很重要的

其實對於我們普通人來說，知道機器到底怎麼識臉沒什麼卵子用。。。

我們更關心的是

應用場景

，

畢竟科技最終要服務大眾

。

刷臉可以解決很多問題，比如說有一天你身份證忘帶了又跑去銀行，就不會出現這種情況↓↓↓

你可以指著自己帥氣漂亮的臉蛋讓別人刷。

由於刷臉技術的便利性，越來越多的公司都開始接入這種技術，就像文章開頭說的京東和支付寶的一樣~

漸漸的，我們

日常生活不光可以無現金化，還可以無證件化。

然而，事情總有兩面性，即將面臨的問題也有不少。。。

這讓隱私泄露的後果相比以前更嚴重了！

由於人臉識別技術的計算量普遍較大，所以一般刷臉識別都會通過雲端伺服器來計算，提供服務的公司也就會儲存大量的數據。

只要提供服務的公司稍一不留神，你的數據就有可能被偷走。。。

也就是說，你的臉被偷了！

不法分子可以利用泄露的人臉信息來做你的臉部模型，侵入你的銀行賬戶，甚至冒名頂替你的身份來做違法的勾當。

稍微簡單點的，可以做一個你的人臉 3D 建模，用來繞過一些帶人臉識別系統的高級防護措施。

尷尬的是，臉這個東西是跟著人走一輩子的。。。

在沒有人臉識別的年代，

密碼泄露了可以改，手機郵箱泄露了可以換，但現在臉的信息泄露了。。。難道還要跑去隔壁韓國整形醫院做個全套？

目前，關於這個問題，支付寶的措施是增加手機驗證。

但你要這麼想，

黑客連你臉都能偷過來，還差個手機號么？？？

別以為這種事還離得遠，

現在已經有一些姿勢水平比較高的騙子，已經開始偷你的臉了！

前陣子差評君不是說很多身邊的人會莫名接到陌生的 FaceTime，接通後對面黑屏也沒聲音么。。。

其實這極有可能是在偷臉！

騰訊的團隊還發文提醒了一下

看到這裡是不是感覺有點慌了？

差評君寫這篇文章就是想提醒大家一下，現在社會除了保護好你的錢包密碼銀行卡，也要考慮考慮保護臉了，沒事少把自己臉到處掛。。。

比如說，小姐姐們發自拍一定要多 P 圖，P 的你媽都不認識你，就安全了~

「 說你呢，別再用吳彥祖的頭像註冊了 」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 差評 的精彩文章: