前些日，#小学生发现刷脸取件bug#的话题引发关注!
浙江嘉兴上外秀洲外国语学校402班科学小队向媒体爆料：他们在一次课外科学实验中发现，只要用一张打印照片就能代替真人刷脸，骗过小区里的丰巢智能柜，最终取出父母们的货件。随后，有媒体用照片进行测试，果然如此。
一张打印的照片，就可以骗过快递柜的人脸识别系统，丰巢的人脸识别取件技术备受质疑。对此，@丰巢智能柜 官方微博进行回应，表示该应用为试运营beta版本，在进行小范围测试，已第一时间下线。
事实上，目前市面上主流应用的人脸识别技术已经相当成熟。人脸识别这一技术，已广泛运用于安防、支付、身份核实等领域，且成熟的人脸识别技术精准度已到达到巅峰级。
“丰巢”事件背后的基础人工智能技术，涉及的主要是人脸识别领域中的活体检测领域，即检测人脸是真人还是伪造样本。目前，主流的活体检测技术基于摄像头类型可分为：基于2D人脸活体检测和基于3D人脸活体检测。两种算法目前都有实际商用的案例。
从识别精度出发，3D人脸活体检测远胜于2D人脸活体检测，因为3D图像的深度通道可以获取2D图像中没有的距离信息，对照片欺骗等欺骗方式具有更好的鉴别能力。目前，支付宝及部分银行已经开始商用基于3D结构光的人脸活体检测技术，但是3D设备成本较高，目前除了少数高端手机机型及专用3D设备，大多数电子设备的摄像头都没有配备3D模组。因此，2D人脸活体检测技术精度仍有巨大的实用价值。
基于2D人脸的活体检测算法精度虽然不及3D，但是可以通过多种人脸行为组合的方式来提高识别精度。例如某银行的远程身份认证系统要求人连续做出眨眼、转头、抬头低头等动作来确认真人身份，这种动作组合的方式可以识别照片欺骗等欺骗行为(因为照片不会做动作)。从精度评估来看，假设算法对人脸动作的误识别率是5%，那么连续做两个动作都被误识别的概率就会降为5%*5%=0.0025，连续三个动作都被误识别精度会降为0.000125。通过动作次数的增加，误识别率会指数级降低(不过会影响用户体验)，同样可以达到商用级精度。
数据堂自制版权【1066人活体检测数据】是面向目前的2D人脸活体检测算法进行研发的。该数据集采集了黄种人、黑人和白人共1066人的活体检测数据，涵盖了活体检测算法中要求的绝大多数数据形式，包括原始人脸动作(真实人脸)，手机、pad翻拍人脸动作(人脸动作对抗样本)，人脸照片欺骗及面具欺骗(照片对抗样本)以及唇语等。每个被采集者总共采集435段原始视频+63张图像数据，是一套完备的2D活体检测人脸数据集。
基于目前的技术发展趋势，基于2D的人脸活体检测技术目前更易于进行大规模商业推广，毕竟简单的手机镜头就可以实现活体检测。
当然，随着GAN(生成式对抗网络)等新技术的快速发展，人脸的动作和表情被模拟的更加真实，这些对2D人脸活体检测技术会造成极大的挑战。因此，未来随着3D设备的不断量产和成本的不断降低，基于3D人脸的活体检测技术将会成为主流的发展方向。
免费试用以上数据或获取更多样例，请前往数据堂官网：www.datatang.com
申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！
