-
1 # 老鐵侃談
-
2 # 西格瑪的化學
是個噱頭,體現了蘋果一貫的不誠信作風,用噱頭忽悠消費者購買,沒鳥用,賣不了幾部。真正實用的功能早就落後中國產手機,噱頭贏不了實用性,所以蘋果手8賣不了幾部。中國產手機講究實用性,蘋果卻總是追求不實際的功能,聽起來玄乎然而沒卵用。
-
3 # 曾經的我38801430
反正感覺就是有點不靠譜!看那鐳射多了,誰知道會不會得青光眼了!而且從其釋出會上,連褲殼都不認識了!就知其能力到哪了!
-
4 # 浪洂123422041
蘋果人臉識別沒啥用,好多人都說過,用蘋果手機的人不愛國,現在中國產手機,技術量也很高,科技發展快,配置比蘋果強大幾倍,爛蘋果不值得一提,就是一款垃圾手機罷了……
-
5 # 涓溪澤洋美妝
昨天,蘋果新品釋出會,據說,蘋果新品手機可以“在一百萬張臉中識別出你的臉”,還可以透過人臉識別解鎖手機,以及訂製動態3D Animojis 表情。釋出會上第一次人臉識別意外失敗,第二次才成功。雖然蘋果方說,新技術的錯誤率為百萬分之一,並且只有使用者在盯著手機時才能解鎖。不過現場面部解鎖演示失敗時,現場一度十分尷尬。在釋出會期間,蘋果股價出現了震盪,隨後出現直線下跌。
人臉識別,其實是對人臉特徵進行分析計算並進行身份識別的一種生物識別技術,與指紋識別、虹膜識別並稱為“三大能夠進入實用階段的生物特徵識別技術”。
這種技術是用攝像機或攝像頭採集含有人臉的照片或影片,對其中的人臉進行檢測和跟蹤,進而達到識別、辨認人臉的目的。
那麼,人臉識別是怎麼實現的呢?
這是一個複雜的技術問題......人臉識別主要包括人臉檢測、特徵提取、人臉分類三個過程。
簡單地說,就是透過人臉檢測,對五官進行一些關鍵點的定位,然後提取計算機能夠識別的人臉特徵,最後進行一個相似度的比對,從而得到一個人臉識別的結果,也就是判斷“刷臉”的是不是你本人。
人臉識別技術這麼牛,那它是萬能的嗎?只要是人臉都可以識別、辨認出來麼?其實,在進行人臉識別的時候,也存在一些難題,比如人的光照,表情、姿態,遮擋,圖片的清晰度、年齡變化等問題是影響人臉識別的因素,所有的這些都需要我們發揮才智,一一攻破。
-
6 # 天極網
13號凌晨,蘋果新品釋出會,據蘋果官方說,iPhone X可以“在一百萬張臉中識別出你的臉”,還可以透過人臉識別解鎖手機,以及訂製動態3D Animojis 表情。新技術的錯誤率為百萬分之一,並且只有使用者在盯著手機時才能解鎖。不過現場面部解鎖演示第一次意外失敗,第二次才成功,現場一度十分尷尬。
蘋果iPhone X人臉識別演示失敗
而網上流傳各種人臉識別段子,什麼“用了iPhone X後晚上就睡不安穩了,因為媳婦拿著你的手機對準你的臉,手機就人臉解鎖成功”是不存在。
那麼人臉識別系統到底是怎麼回事呢?它主要由三塊構成:人臉檢測、人臉關鍵點、人臉特徵。人臉檢測:是系統判斷什麼樣的影象是一張人臉。人臉關鍵點:是指在檢測的人臉上,提取若干個點(通常是數十個,點越多說明越精確,難度越大),把臉部輪廓以及五官用點勾出來,這樣我們就可以輕易知道一張臉的組成。
蘋果iPhone X的人臉識別示意
舉個例子,我們可能知道某些直播軟體以及相機軟體都支援自動給你上腮紅、戴個兔子耳朵、甚至自動美妝、臉部變形,都是基於關鍵點技術。因為只要知道臉部邊緣的點的位置,就能輕鬆透過一個偏移座標,畫一些元素上去。
人臉識別
人臉特徵提取:主要用於人臉識別,和關鍵點不一樣的是,人臉特徵會透過一個人的臉部計算一個相對唯一的特徵,並且拿兩張臉進行對比,計算一個相似閾值,透過判斷是否同一人。但這只是非常客觀的相似,目前痛點是並沒有很好的辦法區別雙胞胎或者長得非常相似的人。
另外,人臉識別的一般應用其實早就商業化了,比如高階的照相機有面部識別自動測光和對焦,海關安檢等部門也早就開始使用。
-
7 # Teku特酷
從技術上來看,3D感測攝像系統包含了一個紅外掃描模組,能夠把物體變成一個個紅外點,根據這些紅外點的大小和網狀的分佈來判斷物體的遠近。依靠這些紅外點,可以進行3D建模,判斷面前的人是不是機主。
相比較過去三星手機基於照片掃描的人臉識別,蘋果iPhone X使用的這種3D建模人臉識別功能更加安全,它能讓機器能夠看到人整個頭部,而不僅僅是正面,因為頭型的不同,因此使用3D建模會讓人臉識別的錯誤率由過去的百分之一驟減至百萬分之一。這就堵住了此前的安全漏洞——不法分子只需要拿你的照片就能騙過系統,就能偷走你的資訊。
但是紅外掃描技術也有限制,比如如果你戴了帽子或者圍巾,它就有可能識別不出。此外,如果戶外光線太亮,紅外光也有可能不起作用,比如在海灘上,人臉掃描技術就會相對不那麼可靠。
不管如何,百萬分之一的識別錯誤率已經非常驚人了。況且Face ID將成為一個海量的使用者入口,從資料收集的角度有深遠的意義。而蘋果公司在釋出會上演示的Animoji表情包,能跟蹤人的面部表情,整合在各種動物的臉部。
-
8 # 超能網
一般來說,我們之前看到的絕大部分臉部影象識別功能是基於一個二維平面,也就是說攝像頭採集的是人類面部的一個平面圖像,主要依靠人類面部數十個特徵點來生成一組特徵值,然後每一次識別時候將會與第一次錄入特徵值進行比對,到達一定的準確率就算是配對成功。但是有一個非常大的問題,那就是我們可以使用一張圖片也能透過臉部識別,安全係數確實不高,所以大家很快看到Android在以後的裡面幾乎拋棄了這個功能。
而虹膜識別技術與指紋識別技術一樣,都是屬於生物識別,主要依靠每個人獨一無二的虹膜內織物環狀物,並且提出特徵點,只要匹配到一定數字就能解鎖。這個由於基於生物識別技術,安全可靠性上更高,唯一問題就是識別速度有點慢。
蘋果搗弄出來的Face ID是基於三維成像的影象識別技術,它是需要特定的主動光照射系統以及攝像頭,並且生成一個面部三維模型,以後每一次的識別都是與之匹配,這是Face ID最基本的原理。
如果深入一點講,這個技術與微軟Xbox上的Kinect有點相像,都是採用結構光打到人體身上,依靠紅外深度攝像頭採集光線在人體上的變化來準確識別一個人的動作。而且有趣的是Kinect一開始就是使用PrimeSense的方案,然後這家公司就被蘋果收購了。
像Kinect這種深度圖攝像頭的成像原理可以很好地保證相機標定的魯棒性,適應各種環境變化,使之容易自調節重新標定且不需要測量標定物。而且這種深度攝像頭可以可靠地反映物體表面的三維特徵,而且可以不受光照、陰影以及色度的影響,並且代替雙目成像系統採集三維影象。
中央深黃色是一個普通可見光源感測器(為True Tune屏功能準備),綠色是標準前置攝像頭,橙色是距離感測器,這三個都是在手機上很常見的感測器。而新加入的則是藍色的點陣投影器,而紅色則是鏡頭,專門採集紅外資訊。
這些感測器配合起來的工作原理主要是這樣的:
Face ID採用更加先進的結構光模式,主要是為了適應人類臉部五官複雜性以及安全性需求,使用特定的點陣投射器將帶有3萬個光點投射圖案進行編碼,以此加速確認物體表麵點與其影象畫素點之間的對應關係。陣列反射回紅外光相機採集反射回來的紅外資訊,透過蘋果A11仿生處理器的Neural Engine生成一張帶有三維深度資訊的影象,它會將深度圖和紅外影象轉換為數學表示形式,然後再將這個表示形式與註冊的面部資料進行對比,達到一定準確率就完成解鎖任務。
可以說蘋果在iPhone X Edition上使用的方案,是比較先進的人臉影象識別技術,在準確率、安全性、易用性上應該可以說達到業界先進水平,而且實現了整體方案小型化,放入iPhone上。
此外,Face ID帶有自我學習功能,可以適應個人輕微外觀變化,比方說化了妝、頭髮長了、鬍子變多了等等,此外帽子、圍巾、眼鏡這些裝飾品是不影響是被效果,但墨鏡和口罩除外,因為他們會遮蔽掉大部分的面部深度資料,無法用於解說iPhone X。當然了紅外光在室內外都可以隨便用,甚至是全黑環境下。
回覆列表
9月13日,蘋果釋出iPhone X,支援人臉識別,一時網上流傳各種人臉識別段子。今天老鐵,跟大家分享網上最經典三個段子,同時科普一下人臉識別知識。
人臉識別段子段子一
用了iPhone X後晚上就睡不安穩了,因為媳婦拿著你的手機對準你的臉,手機就人臉解鎖成功。
PS:這個是不可能出現的
段子二
老婆在網購購物車裡裝滿東西,問老公可以買嗎?老公看了一眼手機——支付成功。
段子三
科普一下人臉識別知識在小米 mix2釋出後,沒多久,金山毒霸安全實驗室首席專家曾經接受某媒體採訪中,提到關於人臉識別系統,目前主要有三塊:人臉檢測、人臉關鍵點、人臉特徵。所以老鐵,今天跟大家就將這三塊相關基本知識。
人臉檢測:是系統判斷什麼樣的影象是一張人臉。
人臉關鍵點:是指在檢測的人臉上,提取若干個點(通常是數十個,點越多說明越精確,難度越大),把臉部輪廓以及五官用點勾出來,這樣我們就可以輕易知道一張臉的組成,舉個例子,我們可能知道某些直播軟體以及相機軟體都支援自動給你上腮紅、戴個兔子耳朵、甚至自動美妝、臉部變形,都是基於關鍵點技術。因為只要知道臉部邊緣的點的位置,就能輕鬆透過一個偏移座標,畫一些元素上去。
人臉特徵提取:主要用於人臉識別,和關鍵點不一樣的是,人臉特徵會透過一個人的臉部計算一個相對唯一的特徵,並且拿兩張臉進行對比,計算一個相似閾值,透過判斷是否同一人。但這只是非常客觀的相似,目前痛點是並沒有很好的辦法區別雙胞胎或者長得非常相似的人。
不知道這幾家手機廠商的人臉解鎖對雙胞胎人臉的識別怎麼樣。因為,就算是人類,初看到雙胞胎人像是,如果不是專業人士,恐怕也很難分清誰是誰。
人臉識別的應用場景:
人臉識別的一般應用其實早就商業化了:比如高階的照相機有面部識別自動測光和對焦;手機相簿,可以根據人臉對照片自動分組;很多公司應用了刷臉打卡;