在这个“刷脸”的开端，如何捍卫你的脸

“刷脸”打放铁门

“刷脸”激活汽车

“刷脸”解锁手机

“刷脸”收尾缴付

…

我们告别了叮叮当当的锁串、繁琐的密码，科技带来的便捷一览无余。

与此同时，是频繁传出有的滑坡弊端：照片打印貌似虽然已是即使如此基本型，但某些片当中下，片段过场、3D貌似小丑仍然可以轻松骗过镜头，够用一张脸刷另一个人的该网站，放另一个人的车，进另一个人的家......

如何抛弃这些滑坡，让貌似识别新技术带来的只剩便捷？

种种隐患，究其原因物理世界实际片当中过于比较简单，体能训练样本很未足散布所有片当中，用做检测方法指标的检测集也并不一定代表的是检测集散布片当中下方法假设的结果，而实际应用当中，与检测结果相较，方法的精确率低、误检率低，鲁棒性实在，才有了漏洞让攻击无济于事。

因此，即使基于大量样本集的2D貌似识别方法在放源样本集上检测的识别比率已经低达99.8%，确实与生物的双筒相媲美，但在涉及到金融财产安全等的片当中下，仍然只能是辅助手段。

都是“魔低一尺，道低一丈”，基于3D样本的貌似识别发端——

相较于2D貌似识别，3D貌似假设上有非常强的描述能力、能非常好地表示出有真实貌似，识别比率和活体检测比率都非常低。

可以这样一来攻破2D貌似识别系统的片段、照片，对于3D貌似假设来说就不足为虑了。这是因为3D貌似假设基本上使用的都是点云样本或者在2D的基础上添加最深处资讯，并能相当值得注意的对此出有粒子的图形资讯，可以够低级别的金融领域需求，因此点云样本在机器视觉、自动驾驶的商业化落地程序在当中也扮演着重要角色。

3D貌似识别的比率非常低、防攻击非常强，但非常未足却也是正因如此的事实。这个未足不仅有数方法假设的低比较简单度,也有很大一部分过关斩将来自于样本集的获取。

与2D图形的RGB资讯相较，3D貌似样本多了一个线性—最深处资讯，即RGBD，RGBD图形的获取不仅意味着非常加机械工程设备的支持，非常意味着比较简单且极低未足度的全面性处理，比如样本的失真滤波、转化成散列点、孤立点，保证RGB样本与最深处样本在时间上、空间上的对齐，还需要将多个某种程度的图片样本整理、配准、合并成一个值得注意的3D样本，即3D重建。

基于2D貌似识别的非常为成熟的图形预处理方法、貌似获取假设、特征提取假设，都与大量的样本支撑透离不放关系，而3D貌似识别的优势显而易见，只要有非常多3D样本的支持，都是的照片、片段攻击都不过是水鸟不意大树罢了。

神州瑞声3D貌似识别样本及定制服务

作为AI样本零售商店的为副大企业，神州瑞声在体能训练样本领域文山近20年，半世纪世界10,000+这两项的打磨，并与500余家大企业保持最深处合作。

在与客户的合作当中，基于一个中心这两项的探索需求，给出有定制化的样本解决方案，协助客户落地多个片当中的貌似识别这两项。

此外，神州瑞声也创作了大量可用做低安全级别貌似识别的样本集产品。

比如，King-IM-065为2,000人的活体牵制样本集，该样本集有数192,000张有数最深处资讯的RGBD图片及20,000段JPG序列的片段，通过观察周边环境有数四楼白天、四楼黑夜、中庭白天、中庭黑夜，被通过观察人分别在远、远距顺利收尾了正常、牵制照片、牵制片段、牵制抠五官、牵制的拍摄；

同一人同距离多反射、多片当中戴小丑最深处、红外光、JPG样本

再比如，King-IM-072为1,000人貌似和生物体姿3D动态样本集，有数330,000张貌似和生物体姿3D点云样本，男女比例均衡，年龄分布18~60岁，且对每个人的16个姿及貌似关键点顺利收尾了标注，可应用做多片当中貌似及姿认证；

King-IM-072

针对攻击力度屈指可数的低精硅胶3D貌似小丑，神州瑞声也创作了多周边环境、多反射真人及低精硅胶头模假体牵制样本集，用做提高方法的牵制体能训练，增大安全牵制层次。

科技就像是一场没有绕道的博弈，永远不假定绝对的安全区，正如貌似识别的攻和防。在新技术进步的道路上，过程愈艰险，果实才时会非常加甜美，神州瑞声将时会始终文山样本领域，为新技术、科研机构的持续探索提供强有力的样本支撑。