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 」
※差評君和他的朋友們想跟你們聊些有趣的事兒!
※人不如狗大概就是這樣的體驗吧?
※風靡德國120年,一年賣出20億包的薯片是什麼滋味?
TAG:差評 |