“刷脸”打开门锁

“刷脸”启动汽车

“刷脸”解锁手机

“刷脸”完成支付

…

我们告别了叮叮当当的钥匙串、繁琐的密码，科技带来的便利一览无余。

与此同时，是频繁爆出的安全隐患问题:照片打印人脸虽然已是过去式，但某些场景下，视频回放、3D人脸面具依然可以轻松骗过镜头，做到用一张脸刷另一个人的账户，开另一个人的车，进另一个人的家......

如何摒弃这些安全隐患，让人脸识别技术带来的只剩便利？

种种隐患，究其原因物理世界实际场景过于复杂，训练数据很难覆盖所有场景，用于测试算法指标的测试集也往往代表的是测试集覆盖场景下算法模型的结果，而实际应用中，与测试结果相比，算法的精确率低、误检率高，鲁棒性不够，才有了漏洞让攻击有机可乘。

因此，即使基于大量数据集的2D人脸识别算法在开源数据集上测试的识别准确率已经高达%，足以与人类的肉眼相媲美，但在涉及到金融财产安全等的场景下，依然只能是辅助手段。

所谓“魔高一尺，道高一丈”，基于3D数据的人脸识别应运而生——

相较于2D人脸识别，3D人脸模型有着更强的描述能力、能更好地表达出真实人脸，识别准确率和活体检测准确率都更高。

可以轻易攻破2D人脸识别系统的视频、照片，对于3D人脸模型来说就不足为虑了。这是因为3D人脸模型基本上使用的都是点云数据或者在2D的基础上添加深度信息，能够较为完整的表示出物体的三维信息，可以满足高级别的金融领域需求，因此点云数据在机器视觉、自动驾驶的商业化落地进程中也扮演着重要角色。

3D人脸识别的准确率更高、防攻击更强，但更难却也是不争的事实。这个难不仅包括算法模型的高复杂度,也有很大一部分挑战来自于数据集的获取。

与2D图像的RGB信息相比，3D人脸数据多了一个维度—深度信息，即RGBD，RGBD图像的获取不仅意味着更加专业设备的支持，更意味着复杂且极高难度的后续处理，比如数据的噪声滤波、去除散列点、孤立点，保证RGB数据与深度数据在时间上、空间上的对齐，还需要将多个角度的图片数据整理、配准、合并成一个完整的3D数据，即3D重建。

基于2D人脸识别的更为成熟的图像预处理算法、人脸获取模型、特征提取模型，都与大量的数据支撑脱离不开关系，而3D人脸识别的优势显而易见，只要有更多3D数据的支持，所谓的照片、视频攻击都不过是蜉蝣撼大树罢了。

海天瑞声3D人脸识别数据及定制服务

作为AI数据服务行业的领军企业，海天瑞声在训练数据领域深耕近20年，历经全球10,000+项目的打磨，并与500余家企业保持深度合作。

在与客户的合作中，基于前沿项目的探索需求，给出定制化的数据解决方案，协助客户落地多个场景的人脸识别项目。

此外，海天瑞声也制作了大量可用于高安全级别人脸识别的数据集产品。

比如，King-IM-065为2,000人的活体对抗数据集，该数据集包含192,000张包含深度信息的RGBD图片及20,000段JPG序列的视频，采集环境包含室内白天、室内夜晚、室外白天、室外夜晚，被采集人分别在远、近距离进行了正常、对抗照片、对抗视频、对抗抠五官、对抗身份证的拍摄；

同一人同距离多光线、多场景戴面具深度、红外、JPG数据

再比如，King-IM-072为1,000人人脸和人体姿态3D建模数据集，包含330,000张人脸和人体姿态3D点云数据，男女比例均衡，年龄分布18~60岁，且对每个人的16个姿态及人脸关键点进行了标注，可应用于多场景人脸及姿态认证；

King-IM-072

针对攻击力度最强的高精硅胶3D人脸面具，海天瑞声也制作了多环境、多光线真人及高精硅胶头模假体对抗数据集，用于提升算法的对抗训练，增加安全对抗等级。

科技就像是一场没有终点的博弈，永远不存在绝对的安全区，正如人脸识别的攻和防。在技术进步的道路上，过程愈艰险，果实才会更加甜美，海天瑞声将会一直深耕数据领域，为技术、科研机构的持续探索提供强有力的数据支撑。