最近大家談?wù)撟疃嗟年P(guān)于新款iPhone X的功能之一就是新的解鎖技術(shù)，即TouchID的后續(xù)技術(shù)：FaceID。

創(chuàng)建了無邊框手機(jī)后，蘋果不得不找出新方法簡單快捷地解鎖手機(jī)。雖然一些競爭對(duì)手繼續(xù)使用放在不同位置的指紋傳感器，但蘋果決定對(duì)解鎖手機(jī)的方式進(jìn)行創(chuàng)新和變革：只需看一眼，F(xiàn)aceID就能安全地解鎖iPhone X。借助一款先進(jìn)（而且非常小巧）的前置深度相機(jī)，iPhone X可以建立用戶臉部的3D模型。此外，iPhone X通過紅外攝像頭識(shí)別人臉，可以避免環(huán)境光和顏色對(duì)人臉識(shí)別的影響。通過深度學(xué)習(xí)，手機(jī)可以捕捉到用戶臉部的很多細(xì)節(jié)，因此在用戶拿著手機(jī)的時(shí)候，手機(jī)可以識(shí)別出它的主人。比較令人驚訝的是，蘋果表示這種方法比TouchID更安全，出錯(cuò)率為百萬分之一。

我對(duì)蘋果的FaceID的實(shí)現(xiàn)技術(shù)非常感興趣，特別是它完全運(yùn)行在設(shè)備上，而且只需利用用戶的面部進(jìn)行一點(diǎn)點(diǎn)訓(xùn)練，就可以在每次拿起手機(jī)的時(shí)候順利地進(jìn)行識(shí)別。我研究了如何使用深度學(xué)習(xí)來實(shí)現(xiàn)此過程，以及如何優(yōu)化每個(gè)步驟。在這篇文章中，我將展示如何使用Keras實(shí)現(xiàn)一個(gè)類似FaceID的算法。我會(huì)介紹采用的各種架構(gòu)，并展示一些在Kinect（一種非常流行的RGB-D相機(jī)，擁有與iPhone X前置攝像頭非常相似的輸出，但設(shè)備本身更大）上的最終實(shí)驗(yàn)。倒杯咖啡，讓我們開始逆向工程蘋果的新技術(shù)。

對(duì)FaceID的初步了解

“……賦予FaceID力量的神經(jīng)網(wǎng)絡(luò)不是簡單的分類?！?/p>

FaceID注冊(cè)的過程

第一步我們來仔細(xì)分析FaceID在iPhone X上的工作原理。我們可以通過蘋果的白皮書理解FaceID的基本機(jī)制。使用TouchID的時(shí)候，用戶必須多次按傳感器來注冊(cè)自己的指紋。大約需要15-20次不同的觸摸，iPhone才能完成注冊(cè)，并準(zhǔn)備好TouchID。同樣地，F(xiàn)aceID也需要用戶進(jìn)行臉部注冊(cè)。過程非常簡單：用戶只需像往常一樣看著手機(jī)，然后慢慢地轉(zhuǎn)動(dòng)頭部一圈，從不同的角度注冊(cè)臉部。如此，注冊(cè)過程就完成了，手機(jī)已經(jīng)準(zhǔn)備好解鎖了。這個(gè)超快的注冊(cè)過程可以告訴我們很多關(guān)于底層學(xué)習(xí)算法的信息。比如，F(xiàn)aceID背后的神經(jīng)網(wǎng)絡(luò)并不是簡單的分類。我會(huì)在后面進(jìn)行詳細(xì)的解釋。

Apple Keynote推出iPhone X和FaceID

對(duì)于神經(jīng)網(wǎng)絡(luò)來說，分類的意思是學(xué)習(xí)如何預(yù)測看到的臉是不是用戶的臉。所以，它需要一些訓(xùn)練數(shù)據(jù)來預(yù)測“是”或“否”，但與很多其他深度學(xué)習(xí)的應(yīng)用場景不同，所以這種方式在這里并不適用。首先，神經(jīng)網(wǎng)絡(luò)需要使用從用戶臉上捕捉到的數(shù)據(jù)重新進(jìn)行訓(xùn)練。而這需要消耗大量的時(shí)間和電量，還需要大量的不同面孔作為訓(xùn)練數(shù)據(jù)以獲得負(fù)面的樣本，這也是不現(xiàn)實(shí)的。即使是試圖遷移并微調(diào)已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，這些條件也幾乎不會(huì)變化。而且，蘋果也不可能在實(shí)驗(yàn)室等地方“線下”訓(xùn)練復(fù)雜的神經(jīng)網(wǎng)絡(luò)，然后再將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)搭載在手機(jī)中。相反，我認(rèn)為FaceID是由孿生卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的（siamese-like convolutional neural network），該網(wǎng)絡(luò)由蘋果公司進(jìn)行“線下”培訓(xùn)，將臉部映射到一個(gè)低維潛在空間（latent space），并通過對(duì)比損失函數(shù)（contrastive loss）最大化不同人臉之間的距離。通過本文，你可以了解Keynote中提到的體系結(jié)構(gòu)。我知道，很多讀者對(duì)上述名詞很陌生，但是沒關(guān)系，我會(huì)逐步的進(jìn)行詳細(xì)的解釋。

FaceID看起來會(huì)是TouchID之后的新標(biāo)準(zhǔn)。蘋果是否會(huì)把它帶到所有的新設(shè)備上？

從人臉到神經(jīng)網(wǎng)絡(luò)的數(shù)字

Hadsell，Chopra和LeCun發(fā)表的論文“Dimensionality Reduction by Learning an Invariant Mapping”。請(qǐng)注意此架構(gòu)是如何學(xué)習(xí)數(shù)字之間的相似性，并自動(dòng)將它們分組在二維中。類似的技術(shù)也可以應(yīng)用于面部識(shí)別。

FaceID可以適應(yīng)外觀的變化

接下來，讓我們看看如何利用Python和Keras實(shí)現(xiàn)。

使用Keras實(shí)現(xiàn)FaceID

就像所有的機(jī)器學(xué)習(xí)項(xiàng)目一樣，我們首先需要的是數(shù)據(jù)。創(chuàng)建自己的數(shù)據(jù)集需要花費(fèi)大量時(shí)間和許多人的配合，這項(xiàng)工作本身可能非常具有挑戰(zhàn)性。因此，我搜索了網(wǎng)絡(luò)上RGB-D的人臉數(shù)據(jù)集，找到了一個(gè)非常合適的數(shù)據(jù)集（http://www.vap.aau.dk/rgb-d-face-database/）。這個(gè)數(shù)據(jù)集是根據(jù)人臉面向不同的方向以及不同的表情制作出的RGB-D圖像集，正好類似于iPhone X的情況。

最終的實(shí)現(xiàn)可以參考我的GitHub代碼庫（https://github.com/normandipalo/faceID_beta），里面有個(gè)Jupyter Notebook。我還進(jìn)一步嘗試了使用Colab Notebook，你也可以試試看。

我創(chuàng)建了一個(gè)基于SqueezeNet架構(gòu)的卷積網(wǎng)絡(luò)。這個(gè)神經(jīng)網(wǎng)絡(luò)以兩組RGBD的面部圖像（即4通道圖像）作為輸入，并輸出兩組數(shù)據(jù)之間的距離。該網(wǎng)絡(luò)用對(duì)比損失函數(shù)（constrastive loss）訓(xùn)練，可以最大程度地減少同一人的照片之間的距離，同時(shí)最大程度地提高不同人的照片之間的距離。

對(duì)比損失函數(shù)

使用t-SNE創(chuàng)建嵌入空間中的人臉的簇，每種顏色代表不同的面孔（但顏色被重復(fù)使用）

使用PCA創(chuàng)建嵌入空間中的人臉的簇，每種顏色都是不同的面孔（但顏色被重復(fù)使用）

實(shí)驗(yàn)！

現(xiàn)在我們可以試試個(gè)模型，模擬一個(gè)常見的FaceID的流程：首先，注冊(cè)用戶的面部；然后在解鎖階段，需要驗(yàn)證兩個(gè)方面——主人可以解鎖，而其他人不可以。 如前所述，區(qū)別在于神經(jīng)網(wǎng)絡(luò)會(huì)計(jì)算解鎖手機(jī)時(shí)和注冊(cè)時(shí)的臉部的距離，然后判斷是否在某個(gè)閾值以下。

下面我們來注冊(cè)：我從數(shù)據(jù)集中采集了同一人的一系列照片，并模擬了注冊(cè)階段。現(xiàn)在該設(shè)備將計(jì)算每個(gè)姿勢的嵌入，并保存在本地。

新用戶注冊(cè)階段，模仿FaceID的過程

在深度相機(jī)中觀察到的注冊(cè)階段

嵌入空間中同一個(gè)用戶的面部距離

嵌入空間中不同用戶的面部距離

因此，我們可以將閾值設(shè)置為大約0.4，就可以阻止陌生人解鎖設(shè)備了。

結(jié)論

在這篇文章中，我展示了如何利用面部嵌入和孿生卷積神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)FaceID解鎖機(jī)制的原型。希望對(duì)你能有所幫助。如果你有任何問題都可以和我聯(lián)系。你可以從以下鏈接找到所有相關(guān)的Python代碼：