近日，德國化工巨頭巴斯夫（BASF）表示旗下全資子公司Trinamix研發的新型人臉識別技術即將問世，通過引入創新性的3D傳感器及“活體皮膚”檢測系統來防止欺騙性攻擊，提高安全性。

Trinamix開發的新型3D傳感模塊主要包括：一顆100萬像素近紅外（NIR）攝像頭傳感器，一顆泛光照明器以及點陣投影器。該模塊會發出一個光點網格，然后對其進行掃描，以分析物體反射光的方式以及不同材料反射光的差異。

利用“光束輪廓分析”的技術可以區分不同的材料，以確定它是皮膚還是硅膠，木材還是塑料等。其每個光束均由算法單獨分析，有助于更精準地區分不同的材料和表面。因此，Trinamix的新型識別技術可以大幅提升現有的人臉識別應用的安全性。

最初的人臉識別技術

2017年，在蘋果iPhone X身上，公眾看到了人臉解鎖功能：Face ID。現在，大部分的智能手機都已擁有人臉解鎖功能，并且人臉技術已經由智能終端解鎖場景，逐漸延伸至移動支付、身份檢驗等多個場景。

但是，人臉技術在提供便利的同時，也讓一些用戶對于安全問題產生了擔憂。在2019年底，邊緣AI解決方案提供商耐能（Kneron）宣稱為了驗證目前人臉識別技術的安全性，進行了相應測試。

工程人員手持的是通過3D打印技術制作的人臉面具，耐能宣稱通過使用3D面具，攻破了支付寶和微信支付系統，甚至還攻破了國內某火車站的閘機。

據悉，現在中國的人臉支付用戶已經達到了一億以上。因此，人臉識別技術在提供便利的同時，其安全性已經成為了用戶關注的重中之重。

IPhoneX的FaceID使用深度相機來完成人臉的識別。其采用了一種名為面部深度感知的方案，核心就是為臉部進行3D建模，其依賴的主要硬件則是隱藏在iPhone X“劉海”下的一套識別系統，包括紅外傳感器、照明器、點陣投影儀、距離傳感器和環境光線傳感器等各種傳感器設備，蘋果將整個系統稱之為原深感攝像頭系統。

iPhone X在對用戶臉部數據進行采集的時候，“劉海”里的點陣投影儀會投射多個點斑在人臉上，其中紅外鏡頭和泛光感應元件，則可以通過深度攝像頭實現人眼瞳孔的特征定位，AI芯片A11的深度學習則用于估算人眼視線方向。

系統會將接收的數據進行3D建模，可以將每個人臉數據繪制為更為精確的深度圖，從而可以將人臉數據和與眾不同的生理特征作為手機解鎖的依據。

解鎖或支付時點陣投影器工作時向人臉投射由 3 萬多個肉眼不可見的光點組成的點陣。因為人臉部凹凸不平，點陣的形狀會發生變化。

通過紅外鏡頭讀取點陣圖案，再與前置攝像頭拍攝到的人臉通過算法相結合，就能獲得帶有深度信息的人臉，從而與已采集的信息進行比對。

但由于深度相機方案只能通過光線畸變程度來決定信息匹配程度，即使對人臉結構識別精度達到0.1 毫米級別，仍然可以被攻破。此前，柏林的SR實驗室使用石膏模具，破解了微軟的Hello面部識別系統。

同時這種方式在多個使用相同類型紅外深度感應攝像機的品牌筆記本的測試中都成功了。SR 實驗室的創始人表示，他們使用的模具不僅模仿了用戶的臉部形狀，還模仿了皮膚的光反射性能。

新技術幫助人臉識別提升安全性

Trinamix公司的研究人員發現，將紅外光束照射到物體上時，物體會因為其不同的構造，反射回不同光線。并且通過分析該反射光線，并將其與更常見的2D紅外圖像和3D深度圖結合起來，軟件可以更準確地識別出物體是什么。

利用該技術，可以區分打印在紙上的人臉照片，戴著面具的人臉，正常的人臉。

具體而言，兩個綠色長方體看起來很相似，但是，實際上一個是塑料材質，另一個由木頭制成。

通過Trinamix的3D傳感模塊掃描，筆記本電腦上顯示了紅外光點背向散射的像素化讀出，兩塊長方體的顏色差異便是通過算法標記了物體的不同材質。Trinamix可以調整算法以匹配不同的材料，并識別木材、金屬、活體皮膚、車廂內飾以及安全帶等物體。

對比之下，Trinamix的技術超越FaceID的地方在于，它不僅僅進行傳統的3D映射，其光束輪廓分析可以根據材料的反射光來區分材料，檢測出正在驗證的是“活體”皮膚還是逼真的硅膠面罩，同時Trinamix的技術不僅可以識別皮膚，還可以識別近100種不同的材料。

而且，在傳感器前搖晃手指，用部分活體皮膚也無法欺騙它，傳感器的分辨率足以檢測物體的大小和位置。采用Trinamix的解決方案，其傳感器只會在檢測到活體皮膚后驗證用戶。

活體查驗由主動配合到無感檢測

人臉識別技術是生物識別領域內一項重要技術，并獲得了廣泛應用。但是目前也已出現了偽裝人臉的欺騙性攻擊，對人臉識別與認證系統造成了潛在威脅。

因而，現在的人臉識別需要活體檢測作為輔助。當前的活體人臉檢測技術主要有三類，分別基于人臉微動作、3D人臉重建、紅外光人臉檢測來實現。

基于人臉細微動作的活體檢測：由于照片、模型中的人臉不具備進行細微動作的可能，那么在查驗過程獲取人臉的連續一系列細微動作便可以獲得一些線索來判斷是否是真實的人臉：如眼睛眨動、嘴唇的離合等。

通過將面部細微動作與周邊場景的細微變化設為相應的特征值，并設置波動范圍，與存儲的人臉特征值進行比對，可以判斷是否為活體。

基于3D人臉重建的活體檢測：人臉被標準化到一個統一的標準的方向和位置，人臉的形狀由數百個頂點表示，將人臉的 n 個頂點的 X、Y、Z 坐標串接起來，組成形狀向量來描述人臉的 3D 形狀。

為得到更加精細的3D 形狀的解，可以按照給定 2D 圖像上的特征點的坐標來對 3D 形狀頂點進行進一步調整，得到人臉精細的 3D 形狀信息。

基于紅外人臉檢測的活體檢測：由于人體血液流動的過程中產生了溫度，會被皮膚發散，從而使皮下血液系統呈現出一種面部信號。

這種信號可以被紅外照相機獲取，使用熱靈敏度小于或等于0.7℃的紅外照相機拍攝的人臉照片，每張臉一般含有數百個或者更多的封閉的同溫線。

通過對于人臉皮膚下面的血管分布信息采集，提取同溫線特征，用幾何分析的方法來分析同溫線形狀，從而分析的結果產生的特征值就可用來進行人臉活體檢測。

目前，主要的活體檢測方式是基于人臉細微動作配合查驗是否為活體識別，通常包含幾個鑒別步驟，比如眨眼判別：要求用戶眨眼一到兩次，人臉識別系統會根據自動判別得到的眼睛的張合狀態的變化情況來區分照片和人臉；

或者嘴部張合判別，與眨眼判別類似，要求用戶張開、閉合嘴巴一到兩次，人臉識別系統據此區分照片與真實人臉，從實際情況看來，進行上述步驟需額外耗時，而且無法保證一次成功，有可能需要二次進行。

對于此種情況，由Trinamix帶來的新型3D識別技術，可以大幅度提高現有的人臉識別技術的安全等級。同時，其方案可以省去現有活體檢測中主動配合的過程，使活體檢測由需要主動配合過渡至無感檢測，在未來進一步提升全場景下人臉識別的便利性、可用性。