iPhone X終於~終於~終於~在昨晚發佈了!
小編雖對電子產品沒啥興趣, 但還是為iphoneX的美麗心動!(當然價格直接是心碎~)
另外, iPhone X由於去除了Touch ID, 改成全螢幕, 終於成了當年約伯斯夢中的愛瘋!
所以!必然就要搞點新事情啊!這就不得不提到 ——
人臉識別解鎖!
那你知道什麼是人臉解鎖技術麼?你知道它是用怎樣的原理來解鎖你的手機麼?
所以今天小編就帶你瞭解瞭解!
先來張iponeX鎮樓!
人臉識別技術
人臉識別特指利用分析比較人臉視覺特徵資訊進行身份鑒別的電腦技術。 人臉識別是一項熱門的電腦技術研究領域, 它屬於生物特徵識別技術, 是對生物體(一般特指人)本身的生物特徵來區分生物體個體。 廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術,
Face ID 想要實現理想的人臉識別, 需要通過3D成像獲得對人臉識別非常重要的景深資訊。 目前, 3D成像方面最主流的有結構光(StructuredLight)和TOF(Time Of Flight)兩種技術。 對比兩種技術可以發現, 結構光的優勢在於3D感測器解析度比TOF高很多。 並且由於結構光是只照射其中局部區域, 而TOF是鐳射全面照射, 所以結構光的功耗也比較低。 但結構光同樣也有缺點,
蘋果具體是怎麼做的?據一名資深工程師分析,蘋果在2013年收購了PrimeSense,該公司的結構光3D感測器就應用於微軟Kinect體感設備,因此蘋果用結構光實現人臉識別就水到渠成。結構光的整個結構由發射機構和接收機構兩部分組成。發射部分有940nmVCSEL雷射器,現在很多手機上用的鐳射對焦器跟這是一個原理,雷射器前面有一片DOE(衍射光學器件),主要目的是形成在目標上的不同的散斑編碼,這次蘋果用的就是在人臉上形成一副帶有編碼資訊的圖片。接收端的晶片選用ST的1.4M的紅外圖像感測器,這是由於拍攝人臉上的帶有鐳射編碼資訊的圖像傳輸給ISP處理,根據這幅圖像和DOE上的編碼進行解碼來產生3D的距離資訊並生成一副帶有深度資訊的人臉圖像並與本機存儲的人臉深度資訊進行對比,準確率達到一定百分比即可解鎖。因為圖像感測器一直有光輸入的,940nm的鐳射一直發射,實際上可見光都是被遮罩的,只接收發射的940nm光線,可見光沒用,所以並不存在晚上會不好用或者失效的問題。這就從技術上解讀了iPhoneX的Face ID以及TrueDepth相機。
圖:結構光3D感測器
你是不是還擔心你畫了妝、或者長了鬍子你的愛瘋就不認你了?
哈哈!
你想多了!
僅結構光也包括單目+投影鐳射,雙目+投影鐳射的方法。這一領域有一定領先優勢的英特爾採用雙目+投影鐳射的方式,但體積較大不適合手機,單目體積較小,但是演算法比較複雜。結構光的計算部分也有兩種解決方案:一種是直接用手機的AP進行純軟體計算,比較消耗AP的計算資源。還有一種是DSP晶片加軟體演算法,成本跟用ASIC差不多,但是解析度較低。從發佈會介紹我們可以知道,蘋果人臉識別的實現依賴于具有運行諸如機器學習和人工智慧等應用的強大功能,雙核神經引擎每秒可進行6000億次操作的A11移動處理晶片。因此如果用戶更換頭髮或戴上帽子,或者戴上眼鏡,Face ID依舊可以有效工作。如果用戶的臉隨著時間的推移而變化,比如說長了鬍子等Face ID一樣可以適應。
內容綜合於網路
蘋果具體是怎麼做的?據一名資深工程師分析,蘋果在2013年收購了PrimeSense,該公司的結構光3D感測器就應用於微軟Kinect體感設備,因此蘋果用結構光實現人臉識別就水到渠成。結構光的整個結構由發射機構和接收機構兩部分組成。發射部分有940nmVCSEL雷射器,現在很多手機上用的鐳射對焦器跟這是一個原理,雷射器前面有一片DOE(衍射光學器件),主要目的是形成在目標上的不同的散斑編碼,這次蘋果用的就是在人臉上形成一副帶有編碼資訊的圖片。接收端的晶片選用ST的1.4M的紅外圖像感測器,這是由於拍攝人臉上的帶有鐳射編碼資訊的圖像傳輸給ISP處理,根據這幅圖像和DOE上的編碼進行解碼來產生3D的距離資訊並生成一副帶有深度資訊的人臉圖像並與本機存儲的人臉深度資訊進行對比,準確率達到一定百分比即可解鎖。因為圖像感測器一直有光輸入的,940nm的鐳射一直發射,實際上可見光都是被遮罩的,只接收發射的940nm光線,可見光沒用,所以並不存在晚上會不好用或者失效的問題。這就從技術上解讀了iPhoneX的Face ID以及TrueDepth相機。
圖:結構光3D感測器
你是不是還擔心你畫了妝、或者長了鬍子你的愛瘋就不認你了?
哈哈!
你想多了!
僅結構光也包括單目+投影鐳射,雙目+投影鐳射的方法。這一領域有一定領先優勢的英特爾採用雙目+投影鐳射的方式,但體積較大不適合手機,單目體積較小,但是演算法比較複雜。結構光的計算部分也有兩種解決方案:一種是直接用手機的AP進行純軟體計算,比較消耗AP的計算資源。還有一種是DSP晶片加軟體演算法,成本跟用ASIC差不多,但是解析度較低。從發佈會介紹我們可以知道,蘋果人臉識別的實現依賴于具有運行諸如機器學習和人工智慧等應用的強大功能,雙核神經引擎每秒可進行6000億次操作的A11移動處理晶片。因此如果用戶更換頭髮或戴上帽子,或者戴上眼鏡,Face ID依舊可以有效工作。如果用戶的臉隨著時間的推移而變化,比如說長了鬍子等Face ID一樣可以適應。
內容綜合於網路