司机冒充赵薇老公卖掉千万豪宅,“人脸识别”这么好骗吗?

174

作者:发瘪言

赵薇 黄有龙 司机

赵薇老公黄有龙近日被告上法庭,原因是他家的司机在他不知情的情况下把价值千万的豪宅给卖掉了……你说这司机是怎么瞒天过海,居然能把雇主的房子给卖掉的?

原来这位司机大哥冒充赵薇老公,跑到公证处不知采用了什么方法就通过了“人脸识别技术”,办理了一张“委托证明”,之后又委托另一人将豪宅卖给了武某……

是不是感觉信息量有点大,那么让孵化菌用一幅图来帮大家捋一捋……

赵 黄 司机 受托人 武某

说来这事儿也蹊跷,因为办理房屋买卖委托书公正这件事儿,真心不容易……若是夫妻共同财产,需要夫妻双方携带房产证等材料到公证处去完成公证。这司机一个大男人,怎么样都冒充不了赵薇吧……所以,据孵化菌不完全推测,房产证上也许只写了赵薇老公自己的名字。

不过,即便是这样,这司机能够拿到各种证件证明自己是黄有龙本人,他也许骗过了眼神不好的工作人员,那他又是怎么骗过“人脸识别”仪器的呢?

在回答这个问题之前,让我们先来了解一下到底什么是“人脸识别”。

这项技术的发明者是个中国人(中国创造,全球专利哟~),他就是中国科学院自动化研究所生物识别与安全技术研究中心主任——李子青。下面我们通过李先生几年前在科学松鼠会的演讲,来探索一下这其中的奥秘吧!

李子青:I Know You—人脸识别

说到人脸识别,大家并不陌生,我们从一生下起就认识我们的父母、认识我们的朋友。有科学统计称,随着年龄的增长和阅历的增加,人这一生中可能认识几千上万个人,但我们能靠眼睛识别出来的人只有一两千个。

我们这里所说的人脸识别,是通过计算机,通过摄像头识别图像,识别图像中的人。比如,你一坐到电脑前,电脑就能认出你,从而使你得到授权登录。那么,这个计算机人脸识别的过程是怎样的呢?首先,我们要从计算机中找到人脸,然后对人脸区域进行一些处理,就是一种对人脸特殊的“PS”(图像处理)。然后进行人脸特征的提取。

那么,什么是人脸特征?我们靠什么来识别人脸呢?说到人脸识别,很多人会以为就是把眼睛、鼻子、嘴巴大小和距离测定出来,再进行识别。这种方法并没有错,20世纪60年代,最初从事人脸识别研究的先辈们所使用的就是这种方法,但是,这种方法并不那么好用,即使把每个人都测定出这种尺寸和距离,也很难正确辨识出真正身份。

时至今日,人脸识别有了非常大的发展。我们的做法是先提取人脸的特征,之后要对特征进行比对,中国有句话叫做“近朱者赤,近墨者黑”,现在的人脸识别运用的就是这样的原理。如何靠计算机来计算“远近”是其中的关键,大有学问。

I See You 我看到了你

我2000年回国,加入微软研究院,经过一年多的研究,开发了一套叫“I See you”的系统,每年农历新年的这段时间,微软都会在总部举行一个技术狂欢节,微软全球的4个研究院一律把最优秀的研究成果筛选出来送到总部参展,与产品部门进行沟通,产品部门会从中挑出能转化成产品的好技术。

在2002年的微软技术狂欢节上,“EyeCU”(I See You)被比尔·盖茨相中。当时,这台机器先把记者识别出来了,记者对盖茨说:“能不能识别你才是关键呀。” 于是盖茨坐下来,接着“I see you”把他也识别了出来,记者打趣对我说:“你们这些做研究的,这个星期的薪水有着落了。”其实在做这个演示的时候,我心里也特别打鼓,因为当时的技术还很不成熟,特别是环境光照等各种各样的条件要求很苛刻。所以,在做这个演示的时候,我布置了光照,并告诉比尔·盖茨怎么做。最后,这个演示好歹是成功了。

2004年,我从微软亚洲研究院跨过中关村东路,来到了中国科学院自动化所工作。第二年,我推出了一个新的技术——近红外人脸识别,这项技术解决了人脸识别首先必须解决的光照问题。下面我来解释一下是怎么解决这个问题的。

如果一张图片长和宽都是100像素,那么,这张图片就有10000像素,这个图像中能够表示各种各样的事物,比如车、动物、人脸和狗脸。如果说我们把图像的万维空间看成是宇宙的话,人脸子空间就可以看作是银河系,只是沧海一粟。

第一步,我们要做人脸的定位。要看点是落在人脸的区域之内,还是区域之外,落在区域之内就是人脸,否则就是非人脸。我们把人脸的区域再放大看,人脸在空间中的分布是不同的,并不是聚在一起的,非线性的分布。就是因为纵横交错的分布情况才使得我们的人脸识别很难做。

“Eye CU”会出现识别不出来的情况,最大影响因素就是光照。同一侧光照的情况下,人脸识别系统经常会把不同的人当作一个人,因为图像计算机会认为他们比较相近。而同一个人在不同光照条件下相差比较大,距离比较远。这里所谓的远或近一定会有一个距离度量,也就是欧氏距离,我们所说的1米、2米、3米都是欧式距离,拿这个来度量人脸的距离是不合理的,就是说经常会出错。

为什么会这样?我们把人脸当作一张图像来识别的话,就与三个因素有关:一个是皮肤的反射率;第二个是三维形状,每个人的骨骼以及肌肉是不一样的,所以反映到每个人脸上的形状是不一样的;第三个是光照,光照不一样的话,显然人脸的成像是不一样的。在这三个因素中,前两个因素是跟人的身份有关的,而第三个因素跟人的身份无关,所以,前两个是内在因素,后一个是外在因素。传统的人脸识别是把内在因素和外在因素混在一起了。科研人员花了大量的时间希望把侧光变成正光,但是,这个试验做了几十年还是不成功,怎么办呢?

成像原理:Lambertian Model

有人想到,可以通过控制光照的办法解决这一问题。比如说,像数码相机一样,用一个闪光灯朝人脸的正面打上去,使得人脸形成一个正面的图像,这样就能够很好地进行匹配。这个方法不错,如果说这种方法可行的话,它能够把人脸识别的识别率一下子提高10%。但问题出在,如果每次识别人脸的时候灯光都会闪,大家是接受不了的。那么,如果用一种不可见光从正面照过来,肉眼看不到,大家就能接受了吧。

基于这个想法,我们采用近红外红外发光二极管从正面照射人脸,相当于不可见光闪光灯,对用户没有侵扰;而摄像头能够感光,采集正面光照人脸图像。从人脸识别算法的角度来讲,用这样的正面光照人脸图像进行识别,成功率就非常高了。这个方法解决了30年来一直困扰着人脸识别技术发展的问题。

近红外技术解决光照问题

I Know You 我认识你

在生活中,有很多的信息是可以利用起来的,比如我们的二代身份证照片,在抓坏人的时候,一般应用的也是可见光的照片。那么,如何把刚刚提到的近红外人脸识别技术与可见光照片信息进行结合呢?也就是说,把梨子和苹果进行对比,可能吗?

为了能让信息可以更大程度地被利用,我们又发展了另外一种技术,异质图像人脸识别。我们的这项研究工作在国际学术界是比较有影响力的,2008年,我们的近红外技术和可见光交叉对比技术首次在美国被应用。另外,此项技术在2008年北京奥运会上也取得了成功。

奥运会开幕式和闭幕式需要所有的持票者提交一个注册表,把购票者的身份证号码、姓名和一张照片提交给奥组委,奥组委把他的照片扫描进系统,目的是让这张票是实名制的,不可转让。为此,我们设计了一套设备,一边有摄像头来采集人脸;另一边,将现场采集的人脸跟中央数据库的人脸进行对比,判断这个人是不是持票人。通过比对,我们成功地发现了几百个票据转让的案例。

这项技术的其他应用主要是出口控制,比如,一些安保级别较高的重要场所、重要机房等等,另外,还可以运用到监控、单位的门禁、小区的门禁……除此之外,它还应用在出入境口岸或机场,在深圳-香港罗湖口岸、珠海-澳门拱北口岸、北京机场T3边检通关口都应用了这套系统,其中,罗湖口岸每天有40万人通过。

I Will Find You 我会找到你

物联网是未来的发展方向,尽管其内涵大家不是特别清楚,但有一点是可以肯定的,它一定会具有大量的传感器,包括湿度、温度、图像、声音等,另外,还需要对智能信息进行处理与应用。

我提出了一个概念,叫“智能视觉物联网”。全国有1000多万个摄像头,如何有效地利用这样的视频网络的数据,是个未解决的难题。安保人员盯视频,通常二三十分钟就疲劳了。另外,屏幕是有死角的,保不准什么地方发生了状况,我们却不知道。这就要求在事后对遗留的视频进行分析。

那么,可不可以利用网络的力量把里面有用的数据挖掘出来呢?比如说,我们利用每条街上的摄像头,对过往的人和车辆进行分析,对海量的视频数据进行挖掘,挖掘出某一个人的运行轨迹。而这就是“智能视觉物联网”的一个应用。

“智能视觉物联网”的另一个应用是“人脸搜索”。我用手机拍摄人脸,把图像上传,通过人脸搜索,就可以把世界各地的相关图像找出来。现在有一个公益项目,叫“宝贝回家”,就正在利用这项技术帮助失踪的孩子回到父母的身边。当我们路遇流浪儿童,用手机把他们拍下来,上传并搜索,人脸识别系统就可以识别出孩子的信息。

待解决难题 姿态变化 表情 年龄跨度

人脸识别目前还有很多难题没有解决,比如,全侧脸或者不同的表情是很难识别的,还有就是很难识别出有年龄跨度的一个人。我们希望,在未来这些难题都能够得到解决。

看了这么多,想必大家也对人脸识别技术有所了解了吧。据说,现在这项技术的识别成功率能达到98.5%哟。回到赵薇老公遇到的麻烦事,孵化君只想吐槽一句,你家司机是得跟你有多像啊!

来源:果壳空间

当前文章:Search » 司机冒充赵薇老公卖掉千万豪宅,“人脸识别”这么好骗吗?