最近大家談論最多的關于新款iPhone X的功能之一就是新的解鎖技術，即TouchID的后續技術：FaceID。

創建了無邊框手機后，蘋果不得不找出新方法簡單快捷地解鎖手機。雖然一些競爭對手繼續使用放在不同位置的指紋傳感器，但蘋果決定對解鎖手機的方式進行創新和變革：只需看一眼，FaceID就能安全地解鎖iPhone X。借助一款先進（而且非常小巧）的前置深度相機，iPhone X可以建立用戶臉部的3D模型。此外，iPhone X通過紅外攝像頭識別人臉，可以避免環境光和顏色對人臉識別的影響。通過深度學習，手機可以捕捉到用戶臉部的很多細節，因此在用戶拿著手機的時候，手機可以識別出它的主人。比較令人驚訝的是，蘋果表示這種方法比TouchID更安全，出錯率為百萬分之一。

我對蘋果的FaceID的實現技術非常感興趣，特別是它完全運行在設備上，而且只需利用用戶的面部進行一點點訓練，就可以在每次拿起手機的時候順利地進行識別。我研究了如何使用深度學習來實現此過程，以及如何優化每個步驟。在這篇文章中，我將展示如何使用Keras實現一個類似FaceID的算法。我會介紹采用的各種架構，并展示一些在Kinect（一種非常流行的RGB-D相機，擁有與iPhone X前置攝像頭非常相似的輸出，但設備本身更大）上的最終實驗。倒杯咖啡，讓我們開始逆向工程蘋果的新技術。

對FaceID的初步了解

“……賦予FaceID力量的神經網絡不是簡單的分類。”

FaceID注冊的過程

第一步我們來仔細分析FaceID在iPhone X上的工作原理。我們可以通過蘋果的白皮書理解FaceID的基本機制。使用TouchID的時候，用戶必須多次按傳感器來注冊自己的指紋。大約需要15-20次不同的觸摸，iPhone才能完成注冊，并準備好TouchID。同樣地，FaceID也需要用戶進行臉部注冊。過程非常簡單：用戶只需像往常一樣看著手機，然后慢慢地轉動頭部一圈，從不同的角度注冊臉部。如此，注冊過程就完成了，手機已經準備好解鎖了。這個超快的注冊過程可以告訴我們很多關于底層學習算法的信息。比如，FaceID背后的神經網絡并不是簡單的分類。我會在后面進行詳細的解釋。

Apple Keynote推出iPhone X和FaceID

對于神經網絡來說，分類的意思是學習如何預測看到的臉是不是用戶的臉。所以，它需要一些訓練數據來預測“是”或“否”，但與很多其他深度學習的應用場景不同，所以這種方式在這里并不適用。首先，神經網絡需要使用從用戶臉上捕捉到的數據重新進行訓練。而這需要消耗大量的時間和電量，還需要大量的不同面孔作為訓練數據以獲得負面的樣本，這也是不現實的。即使是試圖遷移并微調已經訓練好的神經網絡，這些條件也幾乎不會變化。而且，蘋果也不可能在實驗室等地方“線下”訓練復雜的神經網絡，然后再將訓練好的神經網絡搭載在手機中。相反，我認為FaceID是由孿生卷積神經網絡實現的（siamese-like convolutional neural network），該網絡由蘋果公司進行“線下”培訓，將臉部映射到一個低維潛在空間（latent space），并通過對比損失函數（contrastive loss）最大化不同人臉之間的距離。通過本文，你可以了解Keynote中提到的體系結構。我知道，很多讀者對上述名詞很陌生，但是沒關系，我會逐步的進行詳細的解釋。

FaceID看起來會是TouchID之后的新標準。蘋果是否會把它帶到所有的新設備上？

從人臉到神經網絡的數字

Hadsell，Chopra和LeCun發表的論文“Dimensionality Reduction by Learning an Invariant Mapping”。請注意此架構是如何學習數字之間的相似性，并自動將它們分組在二維中。類似的技術也可以應用于面部識別。

FaceID可以適應外觀的變化

接下來，讓我們看看如何利用Python和Keras實現。

使用Keras實現FaceID

就像所有的機器學習項目一樣，我們首先需要的是數據。創建自己的數據集需要花費大量時間和許多人的配合，這項工作本身可能非常具有挑戰性。因此，我搜索了網絡上RGB-D的人臉數據集，找到了一個非常合適的數據集（http://www.vap.aau.dk/rgb-d-face-database/）。這個數據集是根據人臉面向不同的方向以及不同的表情制作出的RGB-D圖像集，正好類似于iPhone X的情況。

最終的實現可以參考我的GitHub代碼庫（https://github.com/normandipalo/faceID_beta），里面有個Jupyter Notebook。我還進一步嘗試了使用Colab Notebook，你也可以試試看。

我創建了一個基于SqueezeNet架構的卷積網絡。這個神經網絡以兩組RGBD的面部圖像（即4通道圖像）作為輸入，并輸出兩組數據之間的距離。該網絡用對比損失函數（constrastive loss）訓練，可以最大程度地減少同一人的照片之間的距離，同時最大程度地提高不同人的照片之間的距離。

對比損失函數

使用t-SNE創建嵌入空間中的人臉的簇，每種顏色代表不同的面孔（但顏色被重復使用）

使用PCA創建嵌入空間中的人臉的簇，每種顏色都是不同的面孔（但顏色被重復使用）

實驗！

現在我們可以試試個模型，模擬一個常見的FaceID的流程：首先，注冊用戶的面部；然后在解鎖階段，需要驗證兩個方面——主人可以解鎖，而其他人不可以。 如前所述，區別在于神經網絡會計算解鎖手機時和注冊時的臉部的距離，然后判斷是否在某個閾值以下。

下面我們來注冊：我從數據集中采集了同一人的一系列照片，并模擬了注冊階段。現在該設備將計算每個姿勢的嵌入，并保存在本地。

新用戶注冊階段，模仿FaceID的過程

在深度相機中觀察到的注冊階段

嵌入空間中同一個用戶的面部距離

嵌入空間中不同用戶的面部距離

因此，我們可以將閾值設置為大約0.4，就可以阻止陌生人解鎖設備了。

結論

在這篇文章中，我展示了如何利用面部嵌入和孿生卷積神經網絡，實現FaceID解鎖機制的原型。希望對你能有所幫助。如果你有任何問題都可以和我聯系。你可以從以下鏈接找到所有相關的Python代碼：