3D人脸识别技术研究报告
电子商务电子支付国家工程实验室侯晓楠2018/11/2 11:05:42

摘要

随着人脸识别技术的迅速发展,识别精度及速度的有效提升为人脸识别在众多领域的应用提供了基础。自2015年起人脸识别的应用领域开始逐渐增多,从前期以门禁考勤为主,向安防、金融、商业等多领域拓展。人脸识别金融应用,并非指人脸识别技术本身,而是将人脸识别技术通过不同的解决方案设计及其它技术叠加,解决金融行业各种业务场景下的实际需求。

一、人脸识别技术在金融领域的发展背景

金融机构传统上使用人工肉眼判断、短信验证、绑定银行卡等手段进行实名认证。这些传统手段存在准确率不高、客户体验较差、成本高等问题,对金融企业业务发展造成了巨大的困扰。基于人脸识别的实名认证方式具有准确率高(一亿人中才存在两人长相相同)、客户体验好(认证速度快、客户操作少)、成本低(相较于传统认证方式)的优点,在金融领域得到了广泛关注。

借助图像与视频数据的迅猛增长和计算能力的大幅提高,针对大数据处理的深度学习方法在人脸检测、配准、识别等领域取得了巨大的进展,大幅度提升了人脸技术的精度与速度,从而为这些技术在实际场景的应用奠定了基础。经过微众银行、小米金融、邦付宝等业务的实践以及大量的P2P应用示范,表明刷脸技术具有重大的应用需求,但同时也会带来许多新的挑战和问题。目前来看,在金融行业要衡量人脸识别技术是否足够成熟的重要标准,一个是对光照、表情、化妆等是否鲁棒,另一个是人脸活体检测是否足够安全。比如近来备受关注的刷脸支付,很多时候都会要求用户输入全手机号,或手机号后四位,以缩小用户搜索库大小,实际上这是比较影响体验的。如何在用户搜索库巨大的时候还能够保证人脸识别的正确率,同时还需要考虑到用户是否是一个真实存在的自然人,不能够是照片或者视频,需要有安全度极高的人脸活体检测和人脸识别技术。

综合分析,由于互联网金融需要同时满足便捷、精确和高可靠性,目前我们需要面对互联网金融中刷脸技术所面临的一系列挑战:

(1)金融领域人脸识别应用场景中存在很多不确定因素,比如光照、表情、姿态、遮挡等多种干扰因素;

(2)2D人脸识别是通过2D摄像头平面成像,无法接收物理世界中的第三位信息(尺寸和距离等几何数据),即使算法及软件再先进,在有限的信息接收状态下,安全级别终究不够高,可能会出现非法用户利用伪造图片、视频、面具幌骗攻击的情况,无法满足金融安全级别的需求。

为应对以上问题,考虑引入3D人脸识别技术。3D人脸识别技术具有如下优势:

(1)采集获得的脸部3D形状数据可看作是不随光照、视图的变化而变化,且化妆等附属物对图像影响很大而对3D数据影响不明显。因而,3D人脸识别被认为具有光照不变、姿态不变的特性;

(2)3D人脸识别通过3D摄像头立体成像,能够识别视野内空间每个点位的三维坐标信息,从而提升了分析判断的准确性,使得人脸识别功能可以分辨出伪造图片、视频、面具等的攻击,适合金融领域和智能手机等安全级别要求高的应用场景。

二、3D人脸识别技术发展现状

3D人脸识别技术主要分为硬件以及算法两大部分,算法是实现人脸识别的基础,硬件是承载算法,让人脸识别得以实现的实体部件。算法和硬件缺一不可,只有两者相互协作,才能实现人脸识别。

(一)3D人脸识别硬件技术

目前的3D人脸识别硬件技术主要分为三类(如图1所示):

(1)结构光(Structured Light):结构光投射特定的光信息到物体表面后,由摄像头采集。根据物体造成的光信号的变化来计算物体的深度信息,进而复原整个三维空间;

图1 3D人脸识别技术

(2)TOF(Time Of Flight,飞行时间):TOF系统是一种光雷达系统,可从发射极向对象发射光脉冲,接收器则可通过计算光脉冲从发射器到对象,再以像素格式返回到接收器的运行时间来确定被测量对象的距离;

(3)双目测距(Stereo System):利用双摄像头拍摄物体,再通过三角形原理计算物体距离。

表1.3D人脸识别硬件技术性能比较

由表1可知,三种技术当中只有双目视觉不适合昏暗使用,也就是说智能手机在夜间无法实现人脸识别解锁。TOF技术具有响应时间更快,抗光照表现尚可,深度信息精确度高、识别距离远等优势,但是其也有着分辨率低、成本高、功耗高、模块大的劣势。而结构光技术优势则在于低光下表现良好,分辨率更高,成本、功耗适中,主要缺点是易受阳光影响,识别距离短,相应时间稍慢的缺点。

就应用于智能手机上的人脸识别功能,结构光技术应该是要比TOF技术更有优势。因为通过智能手机的前置3D系统来进行面部识别这种应用场景本身识别的距离就很近,所以不存在需要支持更远的识别距离的问题。另外结构光相比TOF技术,短距离的精度更高,也更适合用在手机前置摄像头上。而且其分辨率、相应时间已经足以应对手机端面部识别的需求。

另外,就两种技术所产生的深度图来看,TOF深度图会存在多重反射产生的噪音、边缘精细度过低、时域滤波导致滞后等问题。而结构光的深度图则只有边界线清晰度略低的问题。

最后,由于是用在智能手机这样的消费类移动设备上,所以成本、功耗也都是需要考虑的因素。总的来说,如果是手机前置3D面部识别系统,结构光技术相比TOF技术更具优势。然而3D深度摄像头的应用远不止人脸识别,还有AR。据称,除了保留前置3D TrueDepth摄像头,苹果还将在2019年为iPhone配备后置采用TOF技术的3D传感器,用于提升AR体验。

(二)3D人脸识别技术算法

目前三维人脸识别算法有如下几种:

(1)基于图像特征的方法:采取从3D结构中分离出姿态的算法。首先匹配人脸整体的尺寸轮廓和三维空间方向;然后,在保持姿态固定的情况下,去做脸部不同特征点(这些特征点是人工的鉴别出来)的局部匹配;

(2)基于模型可变参数的方法:将通用人脸模型的3D变形和基于距离映射的矩阵迭代最小相结合,去恢复头部姿态和3D人脸。随着模型形变的关联关系的改变不断更新姿态参数,重复此过程直到最小化尺度达到要求。基于模型可变参数的方法与基于图像特征的方法的最大区别在于:后者在人脸姿态每变化一次后,需要重新搜索特征点的坐标,而前者只需调整3D变形模型的参数;

(3)基于深度学习的算法:利用3D结构光设备采集景的彩色、红外、深度图片,获取的3D人脸训练数据,框架如图2所示。目前,受制于3D训练数据、成本、时间等问题,深度3D人脸识别算法还处在起步阶段。

图2 3D人脸识别网络框架

总体来看,目前3D人脸识别技术相较于2D人脸识别技术准确率更高,但许多因素限制了这项技术的发展。首先,3D人脸识别往往需要特定的采集设备,如3D摄像机。目前这类采集设备价格还比较昂贵,主要用于特定场景。其次,3D建模过程需要的计算量较大,对硬件要求较高,也限制了目前的应用。第三,3D人脸识别数据库比较稀少,研究者缺少训练样本和测试样本,无法开展更深入的理论研究。相信随着未来芯片技术和传感器的发展,当计算能力不再收到制约,3D采集设备成本大幅下降的时候,3D人脸识别将取得重要突破。

三、人脸识别在金融领域的应用

(一)人脸识别模式分类

人脸识别模式主要分为身份核验和场景规模化应用两类。

1.身份核验

身份核验也称作1:1刷脸,非常广泛地被应用于互联网金融、银行的远程开户、远程身份认证、远程支付,通过刷脸的方式进行校验(如图3所示)。一般客户在帐户进行注册的时候,上传了身份证照片,使用光学字符识别技术自动地识别出客户的身份证号和姓名,获取此信息后,会有官方提供的存档照片。接下来客户进行刷脸的操作,对其进行一个数据采集,获得一张全新的照片或者是一段新的视频,然后跟已经存在库里的标准照片进行核验,一旦判断是同一个人,即通过了实名制的注册和认证的过程。

图3.中国银联刷脸支付

2.场景规模化应用

场景规模化应用也称作1:N刷脸,多用在刷脸支付、取款等。虽然在1:N识别上,现有技术在N大于1万时识别准确率显著下降,但针对不同应用场景,特别是封闭园区或会员店,能够通过技术和业务的综合手段缩小N来提高识别准确率;或与用户信息输入相结合,将人脸识别作为辅助认证手段实现1:1认证,从而实现刷脸支付技术的商用。利用上述方法,各大厂商正不断尝试人脸识别在无人零售、商户收银等场景下的创新应用:如支付宝与肯德基合作的KPRO餐厅、京东之家体验店推出的刷脸支付功能,均采用了电话号码输入与人脸识别技术相结合的方案,人脸识别作为支付过程的辅助验证手段实现1:1认证;而苏宁在线下体验店Biu中提供的刷脸付款功能,则是通过用户扫码入店、刷脸出店的业务流程来减小1:N识别的范围,从而为用户提供无感支付的付款体验。

(二)人脸识别在金融领域的应用

随着2D人脸识别技术的逐渐成熟,其在银行等金融机构身份核验和支付、取款方面已经逐渐走向应用,众多大型银行积极发展人脸识别,已在VIP客户窗口实现试点应用。2017年9月,农行就开始大规模普及人脸识别在无人网点、自动柜员机、ATM机上的应用。

人脸识别在商业银行中的应用主要可分为:

(1)远程开户。在远程开户时,金融机构可以通过智能终端在线上进行身份鉴权验证,使用人脸识别技术开户可以极大提升业务办理的安全性、时效性,并节省大量人力;

(2)刷脸取款。在这方面人脸取代了银行卡,只需要人脸+密码即可完成取款。农行和招行抢先一步在ATM上线了刷脸取款功能。随着3D人脸技术的发展和应用,识别准确率和可靠性将得到进一步提高;

(3)银行监控。利用人脸识别技术,计算机自动提前识别网点的异样信息,这与政府领域的安防监控应用类似。

另外,使用人脸识别技术后,人脸数据在金融行业沉淀了大量数据,将这些人脸数据结合大数据可以实现金融系统征信实时监测,还可以通过人脸识别实现VIP迎宾和精准营销等服务优化,实现构建无人值守的智能网点。

云从、旷视、商汤和依图,是国内人脸识别技术在金融行业应用最早和最为成熟的企业。国内银行人脸识别和刷脸取款的技术支持大多数是从这四家中选择。目前国内银行中把“刷脸取款”在全国范围内大规模应用的有农业银行、招商银行等。

农业银行的合作对象是云从科技,目前刷脸取款服务则覆盖了全国2万多个分支机构,深入到县乡镇。云从科技为农行ATM机提供红外双目摄像头,摄像头通过同时采集红外光和可见光作为输入数据,通过红外成像、立体成像检测、红外与可见光成像匹配识别,分析人脸皮肤的纹理及微小动作带来的规律变化,实现人脸识别和活体检测。

招商银行人脸识别技术服务商为依图科技,目前刷脸取款功能已经在全国106个城市近千台ATM机上实现。依图为其提供自主知识产权的双目活体检测技术,在1秒内就能完成活体检测和人脸识别,还可以适应不同场景环境,真人通过率达到99%时,异常情况拒绝率达到99.99%,同时进行手机号码验证、密码验证三层防护。

中国银联从2015年下半年开始人脸识别技术的应用研究,已积累了一定的技术成果和应用创新经验。目前,银联生物特征识别平台已完成搭建,通过标准接口调用技术厂商核心技术SDK,并连接公安部身份核查数据,为商业银行、银联等提供人脸比对、身份核查、公安部证件照比对等服务,应用于远程开户、人脸登陆、人脸小额支付、人脸转账辅助校验等业务场景。此外,依托电子商务与电子支付国家工程实验室,在人脸识别的底层技术研究上也持续投入,依据公开算法搭建训练平台,达到较好效果。未来,实验室将持续对3D人脸识别技术进行深入研究,并推动相关应用场景落地。

四、总结

人脸识别是人工智能最火热的领域之一,在短短几年里国内便崛起了商汤科技、Face++等一批2D图像识别独角兽公司。随着科技巨头的积极布局以及技术的逐渐成熟,3D深度传感技术未来还将迎来3-5年的技术爆发期,目前正处在一个很好的时间窗口。从技术发展趋势来看,学术和产业界纷纷开始重视起3D人脸识别技术的研究。这些技术在实际中的大规模运用中还存在着一定的难度,但是相信随着研究的不断深入与发展,3D人脸识别技术的应用会是未来的主流,这种技术的应用会在未来广泛的应用。


展开全文
相关阅读
资讯查询取消