-
1 # 童話屋
-
2 # 一盞孤燈3X5J
首先，所有刷臉軟體刷的都是真實面孔。
而後面的"美顏"功能只不過是軟體處理後反饋給使用者的效果。
-
3 # 綠色小蜜蜂
不會的，刷臉支付的美顏只不過是機器為了討好他的使用者，反饋給使用者的一個照片罷了，
而機器自己存根比對的照片還是實際的照片。
有時候我們總要別人真誠
卻總是忽略自己的虛偽
-
4 # 灰客
不會。
支付寶給人臉識別加入美顏，只是識別裝置螢幕顯示效果，實際識別到的人像資料在傳到後臺資料庫的照片是沒有經過美顏的，美顏是呈現出來的效果，和後臺識別沒有關係，不影響，也不會造成識別率降低的現象。而且現在的人臉支付識別率非常高，識別技術先進，素顏錄入人像採集到資料庫，你化妝過後它照樣能給你識別出來，所以即使你是化妝以後，再去人臉識別，人臉識別再給你沒有一下顏然後傳到後臺進行比對識別，照樣可以精準識別。因為人臉識別採集的是人臉不可能被更改的部分，有些東西正常的美顏和化妝可以改變一些，有些東西你是沒法改變的。
-
5 # 海月清輝
不會。
支付寶給人臉識別加入美顏，只是識別裝置螢幕顯示效果，實際識別到的人像資料在傳到後臺資料庫的照片是沒有經過美顏的，美顏是呈現出來的效果，和後臺識別沒有關係，不影響，也不會造成識別率降低的現象。而且現在的人臉支付識別率非常高，識別技術先進，素顏錄入人像採集到資料庫，你化妝過後它照樣能給你識別出來，所以即使你是化妝以後，再去人臉識別，人臉識別再給你沒有一下顏然後傳到後臺進行比對識別，照樣可以精準識別。因為人臉識別採集的是人臉不可能被更改的部分，有些東西正常的美顏和化妝可以改變一些，有些東西你是沒法改變的。
-
6 # 極光的未來
刷臉支付的難點
刷臉支付是2013年由芬蘭公司首次推出的創新型支付技術，大面積使用是在2017年iPhone X推出了刷臉解鎖和刷臉支付以後，正式進入大眾的視野。刷臉支付是應用了AI技術+雲服務技術+雙攝像頭3D結構光生物識別技術相互結合所形成的技術應用。
阿里的刷臉支付用的攝像頭是螞里奧的，螞里奧是螞蟻金服和深圳奧比中光合資的企業，所用的攝像頭屬於3D結構光攝像頭。
該技術實現的難點有：
a. 活體檢測和人臉防偽
要能抵禦照片或者影片的攻擊，畢竟涉及到錢的問題，級別要能達到金融級別的安全。活體檢測常見的方式有：
搖頭晃腦配合式
RGB可見光活體檢測
NIR近紅外活體檢測
3D結構光活體檢測
b. 搜尋速度最佳化
很多時候都會要求使用者輸入全手機號，或手機號後四位，以縮小使用者搜尋庫大小，實際上這是比較影響體驗的。為什麼要做這一步操作呢？因為這是1：N的模型，你往攝像頭前面一站的時候，他不知道你是誰，需要到人臉庫裡面去搜素，你跟誰比較像，也就是確定你是誰的問題，然後再從你賬戶上扣款。對於支付Bora說，這個N特別大，那麼透過輸入手機後4位，明顯降低了搜素範圍，從億級別一下子降低了萬級別的，這樣人臉比對速度就比較快了。
c. 環境因素(光線)
我們曾經在做一款人臉考勤裝置時，光照很影響人臉比對，所以需要做補光操作。使用者臉部會發生角度偏大，遮擋，光線不可控等問題，都會影響到準確性。
刷臉支付“美顏”可能實現的方式
從技術實現上分析，我個人認為他有兩種實現方式：
a. 雖然前端顯示的時候，是顯示的美顏影象，但他還是拿原始的資料與人臉庫進行比對。也就是從攝像頭裡面讀到的資料，copy了一份去做美顏的顯示，真正比較的還是原始資料。
b. 如果美顏的程度比較低，僅僅去變白，去個皺紋撒的，這個是不影響判斷的。美顏到連他媽都不認識了，同時還是拿美顏的人臉特徵資料與人臉庫裡面的特徵資料進行對比的話，還是會影響到準確性的。
人臉識別的困境
但現在阿里和騰訊都正在進行跨人種、年齡識別技術。有時在一個人種上訓練好的模型，換到另外一個人種上就歇菜了。
百度和騰訊都推出了人臉尋親的案例，透過小時候的照片，跨越20多年後，還能匹配上。這項技術的必要條件是需要建立一個足夠完備的跨人種，跨年齡的人臉資料庫。不過建立這樣的一個數據庫是存在不小困難的，尤其在國內的話，是以漢族人為主，同時跨年齡的人臉資料庫也比較難收集，需要不短的時間跨度。
我想在經過幾年的發展，有了大量的資料，就可以訓練出更好的模型，小孩丟失尋親將會大範圍的運用。
-
7 # 吃瓜人民群眾
不會。美顏功能是在前端介面顯示部分，人臉比對更多的是透過人臉特徵進行比對，並不是肉眼可見的照片比對，肉眼的人臉比對和機器的比對不是一個模式，且美顏也僅是加一層美白濾鏡（機率更大）所以它不會影響比對結果。
-
8 # IoT數字科技時代
據新浪科技在微博發起的一項投票中，很多人對刷臉支付接受程度低的原因，竟是因為“刷臉支付太醜”，超過半數網友認為使用刷臉支付裝置時，刷臉支付裝置上的自己沒有平時拍照好看，9%認為“跟平時拍照差不多”。
支付寶刷臉支付引入美顏功能
雖然小編對因為“拍得醜”而不選擇刷臉支付這一原因表示懷疑。不過，美顏功能多數只是是應用在手機、影片上的，經過美顏加工後的人臉又會否影響到刷臉支付裝置的人臉識別準確度呢？畢竟刷臉支付涉及到使用者資金安全，而美顏後的人臉看起來就不是自己原來的外表，如果這樣也可以透過人臉識別身份核驗，是不是代表刷臉支付裝置的核驗不夠嚴謹呢？
支付寶方面就表示，在支付寶蜻蜓等刷臉支付收銀機加入美顏效果，其實並不會影響人臉識別和刷臉支付的準確性。因為支付寶蜻蜓等刷臉支付收銀機中的AI人臉識別智慧演算法會將人臉資訊轉化為一系列的數字編碼，而是不是人臉影象本身。而這些資訊是透過支付寶蜻蜓刷臉支付裝置的3D結構光攝像頭來採集的，會根據人臉的縱深，眼睛凹凸分佈、鼻子高低等三維資訊進行人臉識別，而不是單靠腮紅多少，膚色深淺來判斷的。
而且，顯示在支付寶蜻蜓刷臉支付收銀機上的人臉，只是在顯示畫面上添加了美顏功能的效果呈現，與支付寶蜻蜓刷臉支付裝置實際上接受到的原始資訊是不一樣的。說到底，顯示在付寶蜻蜓刷臉支付收銀機螢幕上的美顏效果，只是為了滿足使用者的心理而已，對刷臉支付裝置和人臉識別演算法來說，人臉資訊的接受和處理並沒有什麼改變。因此，美顏功能並不會影響支付寶蜻蜓刷臉支付裝置的準確度和安全性。
顧客在支付寶蜻蜓F1前完成刷臉支付
在今年舉辦的第二屆數字中國建設峰會中，也有廠商推出了一款添加了美顏功能的人臉識別閘機，用於峰會會議的刷臉簽到和身份核驗功能。據稱，人臉識別閘機新增美顏功能是由於往屆部分參會者在上傳報MISTRA片時會“PS”一下，使用美顏功能的人臉識別閘機可以更準確地識別人臉。而且對於提著大包小包進場館參展或參會的人員來說，不用掏出手機和參會證就能進出會場，更為方便快捷。
當然，刷臉簽到的人臉識別技術不能與用於刷臉支付的人臉識別技術相提並論。刷臉支付在人臉識別上更講究多維度識別和風險管控，人工智慧識別演算法更為複雜精密。早在2018年，阿里安全實驗室的人臉識別技術，就已經能夠做到在毫秒內識別假的人臉。基於人工智慧演算法和人臉識別智慧硬體開發的刷臉支付收銀機，自然能精準快捷地識別人臉，實現安全的交易支付，保障使用者的資金安全和“顏值”了。
-
9 # 有心人說刷臉支付
美團使用的是一些生物識別技術，現在市面上有的刷臉比如手機，掃臉鎖等用的是2D技術。支付寶使用的3D識別系統識別是臉部，五官，距離，熱感應，瞳孔等識別度達到99.99%。還有馬雲說了你敢刷，我敢賠。所以不會。存手工，如有不同意見可以留言相互探討
回覆列表
這個是不會的，因為自己看到美顏之後的自己只是機器上顯示出來，系統上傳人臉照片最終還是你美顏錢的樣子，所以不會受影響。