刷卡？不存在的

來，刷我的臉。

最近幾天，小編髮現刷臉的新聞鋪天蓋地，很多項目紛紛落地...

靠臉讀大學↓(論顏值的重要性)

靠臉喫飯↓(靠臉喫飯，一點沒錯.......)

靠臉支付↓(你的臉很值錢哦！)

還有靠臉進站↓(以後也許去哪兒都得刷臉了)

刷臉...取廁所紙↓(上到一半用完了話。。。畫面芬芳)

不得不說以後會是一個“刷臉時代”！

說到這裏，就不得不說有的人始終走在時代前列！當你還在火車站對着刷臉機“一臉尷尬”的時候，有的人可能已經瞄準是上偷你臉了！

講重點，9月4日，騰訊手機管家對外發布消息稱，關於類似電話FaceTime視頻詐騙事件，其安全團隊已經驗證，的確存在用戶臉部視頻被錄製的風險。

最近許多人遇到的陌生人發來的 FaceTime 視頻邀請

回顧：（陌生Facetime視頻邀請，拿起手機竟看到自己？難道是……）

(Face Time通話畫面)

不少網友表示

接通後對方還一直處於黑漆漆的狀態，

只有自己的大頭呈現在手機屏幕裏……

這場面

好~恐~怖~

細思極恐！其實這非常有可能是在偷臉！

別以爲這種事還離得遠，現在已經有一些姿勢水平比較高的騙子，可能開始打上你的臉的主意了！

爲了你們更清楚明白在說什麼，上科普！

人臉識別技術到底是什麼原理呢？

其實我們人無時無刻不在進行人臉識別，我們每天生活中遇到無數的人，從中認出那些熟人，和他們打招呼，打交道，忽略其他的陌生人。甚至躲開那些我們欠了錢還暫時還不上的人。

然而這項看似簡單的任務，對機器來說卻並不那麼容易實現。

簡單介紹一下主要用的比較多的幾種算法。

看了也看不懂系列↓↓↓～

第一種，基於幾何特徵的算法。

這種算法把人臉的五官視爲一個個部件，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。

這種方式雖然簡單粗暴，但是隨着對臉採集的數據量增加以及分析樣本的提升，識別效果還是OK的~

第二種，特徵臉。

這個算法和上一種的思路是類似的，也是通過數學方法。

如果說上一種屬於幼兒園數學，這種就屬於碩士數學。。。

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 ”

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 ”。

下方圖片高能預警。

驚不驚喜？

最後，這組臉就可以拿來做人臉識別了。

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 ”。說白了就是識別更快更準更刺激！！

以上兩種方法的思路都是把臉部特徵量化，然後把問題轉化爲數學模型通過計算來解決。這麼做的好處是計算速度快、運行快，幾秒鐘做完。。。

當然，缺點也是顯而易見的。↓

一是由姿態引起的面部變化。人臉識別主要還是根據人的面部特徵，表象的特徵來進行識別的，所以當你的姿態發生大的變化，面部會發生很大的變化。

二是光照對人臉識別的影響。

三是遮擋等外部干擾，比如一個人戴着墨鏡就會把面部的重要信息遮擋住了。

四是因爲運動模糊、攝像機沒有對焦準確，造成的這種拍照的模糊也會對人臉識別造成影響。

其實對於我們普通人來說，真的懂了機器到底怎麼識臉並沒什麼用。。。

我們更關心的是應用場景，畢竟科技最終要服務大衆。

人臉識別技術到底有什麼優勢呢？

人臉識別技術的便利性不言而喻，甚至可以說不可想象！來舉個例子↓

（不是說好給我打碼的嗎？）

想不到吧......人臉識別技術在金融、信息安全、安防、疑犯識別等領域都“大有可爲”。這就不會出現多少年懸而未破的疑案了！

無現金化和無證件化也註定讓臉成爲每個人獨一無二的代名詞，這就避免了以下這種尷尬——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↓↓

以後你只需要指着自己帥氣（美麗）臉蛋，大聲告訴對方：刷臉！

動圖

但是呢，再牛的技術終究還是有缺點的！

很尷尬的一點，臉這個東西是跟着人走一輩子的。。。

在沒有人臉識別技術的年代，密碼泄露了可以改，手機丟了可以換，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，還差個手機號麼？？？

看到這裏是不是感覺有點慌了？

小編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......沒準丟臉了呢......