|
苹果iPhone X除了全面屏规划外，Face ID无疑是另一项核心卖点。不过，用面部识别取代成熟的指纹识别技术，iPhone X在发布之初曾受到很多质疑，比如下面这张漫画：
人脸识别技术貌似自古有之 具体来说，人脸解锁最早在Android 4.0系统时就被谷歌引入到解锁方式之中。在那个连指纹都没有普及的时代，刷脸解锁的体验完爆了数字和图案密码。
安全系数不甚理想 实际上，现在很多Android新款手机所主打的面部识别，大都采用的都是旷视公司（Face++）提供的面部识别算法，和Android 4.0时期的算法相比，新技术在解锁时不会被机主的截屏或翻拍照片所欺骗。但即便如此，这种人脸解锁方案依旧不够完美，比如哪怕你闭眼时也能解锁，对光线的要求较高等。
iPhone X的Face ID与其他智能手机所用的人脸解锁有着本质上的分别，它实现了对面部信息收集从2D到3D的进化。 简单来说，iPhone X在采集面部信息时，前置摄像头基本就是摆设，而是依靠红外镜头、泛光感应元件和点阵投影器的协同配合。
据苹果在发布会的介绍，原先的Touch ID在任意50000人中可能会有一人能用他的指纹解锁你的手机。而运用Face ID时，在1000000人中才会有一个人可能会被误判解锁成功，运用照片、头像模具来解锁的可能性基本为零。
因此，苹果才敢让Face ID在解锁手机之外，还能用于购买使用以及支付 Apple Pay，足见苹果对其安全性的信心。 问题来了，iPhone X的Face ID是可以用于支付的信息，不可能被上传到云端借助云服务器的强大运算能力进行识别，从采集、保存到对照匹配都需要在手机本地才能完成，这就对手机的计算性能提出了极为苛刻的要求。 A11仿生芯片是幕后功臣 iPhone X面部ID的优秀体验是建立在全新A11仿生处理器的基础之上，而苹果之所以用“仿生”命名，就是因为A11内部除了处理器、GPU、DSP等单元外，还加入了特别定制的神经网络引擎（Neural Engine）。
我们都知道，AI学习分为训练（Training）和推理/使用（Inference）两部分，其中训练部分所需的计算量比使用阶段的要大上许多。而A11最神奇的地方则是，用户面容适应（化妆、佩戴眼镜、长胡子、随着年龄增长而变容改变等）过程需要用到的深度学习训练也是在本地完成的！ 苹果的软件工程高级副总裁Craig Federighi也曾表示，“我们不会在用户注册Face ID时收集数据，它会保留在你的设备上，不会被发送到云端进行训练。”换句话说，A11仿生处理器的神经网络引擎，就是“本地的云服务器”，完全不用担心个人3D面部信息有泄露的风险。
|
/1 
