主页 > 要闻发展 >京东、阿里巴巴的刷脸支付没那幺神!绑定手机号码让样本数秒变万 >

京东、阿里巴巴的刷脸支付没那幺神!绑定手机号码让样本数秒变万

要闻发展 2020-06-16

京东、阿里巴巴的刷脸支付没那幺神!绑定手机号码让样本数秒变万

2 年前的春天,马云第一次在汉诺威电子展的大屏上向全世界演示「刷脸支付」技术,引得满堂喝彩。正当大家期待马上就能使用之际,「刷脸支付」却迟迟未能走向商用。

历时两年多,终于走向商用

两年间,新技术和新概念层出不穷,但「刷脸支付」的最新进展仍然时刻牵动着人们的神经。终于,9 月 1 日,支付宝宣布在肯德基的 KPRO 餐厅上线刷脸支付,正式将「刷脸支付」推向了商用。

首家 KPRO 餐厅位于杭州万象城,支付宝选择其作为「刷脸支付」试点,也体现了二者在用户体验上的共同追求。

「刷脸吃饭」的具体步骤如下:

京东、阿里巴巴的刷脸支付没那幺神!绑定手机号码让样本数秒变万

已经进行支付宝实名认证的用户,首次使用「刷脸支付」时,可以直接在支付宝 APP 上开通该项功能;未进行实名认证的用户则还需要进行人脸验证,建立人脸库信息。

目前,支付宝的「刷脸支付」功能已经能够应对「多人+浓妆+换髮型」的複杂场景。

据相关负责人介绍,人脸识别系统对于操作者的站立位置和距离并没有具体要求,消费者站在点餐机前点餐时,正常情况下都能正确识别。

京东、阿里巴巴的刷脸支付没那幺神!绑定手机号码让样本数秒变万京东、阿里巴巴的刷脸支付没那幺神!绑定手机号码让样本数秒变万京东、阿里巴巴的刷脸支付没那幺神!绑定手机号码让样本数秒变万

当有多人出现在镜头中时,系统会对脸部图像的面积进行计算,默认面积最大者为支付对象。选定对象后,系统会将其圈出来。如果圈出来的不是操作者,还可以让系统进行再次识别。

人脸识别从线上到线下,要突破几大难点

支付宝方面介绍,与此前推出的「刷脸登录」相比,「刷脸支付」难度更大。

一方面,「支付」比「登录」离资金更近,安全性要求更高。另一方面,刷脸支付是在线下公共设备和开放环境下进行,真实场景複杂多变:白天和晚上的光线不同、不同人群面对摄像头的角度和姿势各异,识别难度更高。因此此前行业里多是在特定场景下内测,未能商用。

李子青表示,刷脸支付对安全性和便捷性有着极高的要求,如何同时满足这两个要求,需要解决一系列技术和产品难题。

智能算法优化

支付宝之所以能率先推出刷脸支付,一是基于其多年来人脸识别技术的积累(支付宝是最早实现刷脸登录的金融级 App);同时其技术团队也为刷脸支付商用做了很多独创的优化。通过软硬体的结合,智能算法与风控体系综合保证金融级準确性和安全性。

活体检测

支付宝在肯德基 KPro 的点餐机上配备了 3D 红外深度摄像头,在进行人脸识别前,会通过软硬件结合的方法进行活体检测,来判断採集到的人脸是否是照片、视频或者软件模拟生成的,能有效避免各种人脸伪造带来的身份冒用情况。

手机号校验

此外,在进行人脸识别后,还需要输入与账号绑定的手机号进行校验,进一步提高了安全性。同时,支付宝还会通过各种安全风控策略确保账户安全。比如刷脸支付功能需要用户进行开通操作,开通之后才能进行支付,用户也可以随时关闭。而即便出现帐户被冒用的极小概率事件,支付宝也会通过保险公司全额赔付。

京东人脸支付,抢先一步

无独有偶,支付宝上线「刷脸支付」的前一天,京东在上海宝地京东之家、深圳沃尔玛京东之家,北京昌平永旺京东之家,北京通州万达京东之家等 4 家线下零售店开展「刷脸支付」功能内部测试的消息也传遍了互联网。

京东、阿里巴巴的刷脸支付没那幺神!绑定手机号码让样本数秒变万

京东之家的「刷脸支付」技术,是京东风控研发部基于 AI、深度学习、人脸识别技术,创建的内部品牌。京东超脑的人脸识别技术算法识别準确率已经达到了 99.9% ,用户和商户均可自由申请开通京东刷脸支付。

用户使用「刷脸支付」前,需要先通过京东 APP 或京东金融 APP 扫瞄店内二维码,完成实名认证并上传正面照后,就可开通京东支付中的「刷脸付」。据了解,目前京东的刷脸支付还在内测阶段,尚没有开放给所有用户使用。

与支付宝相同的是,京东之家的「刷脸支付」也需要输入手机进行辅助认证,不同的是,后者只需要输入手机号的后四位。

手机号辅助验证,缩小 N 值

支付宝相关负责人表示,手机号辅助验证主要有两方面的考虑:一是帮用户确定支付意愿,二是增加安全性。至于为什幺选择完整手机号而不是手机号后四位,主要是考虑到「有些用户记后四位还要反应一下,而十一位直接就输了」。

不过有业内人士表示,支付宝的「刷脸支付」实际上是 通过电话号码将 1:N 的人脸识别问题转换成了 1:1 的人脸识别问题 。

一位京东内部员工表示:「手机号+人脸识别和刷脸登录时的 1:1 识别没太大区别,不过是先做 1:N(识别)再做 1:1(识别)。仅输入手机号后四位,本质上还是 1:N 识别,只不过是通过手机号后四位将 N 的範围缩小罢了。如果有 1 亿用户,通过手机号后四位可以把 N 减小到 1 万。当然,由于喜好问题,应该有个好几万的 N,再通过地狱权重,基本可以得到一个比较好的结果。」

据雷锋网了解,在 1:N 的人脸识别场景中,当人脸库规模达到 3000 人以上时,对人脸识别算法的识别精度将是一个极大的考验,而且人脸库规模越大,难度越大。

业内部分人脸识别供应商宣称自己的人脸识别库容能做到上百万,实际针对的是 1:1 人脸识别,即可以做到从百万人脸库数据中,先通过身份证、社保卡或者特定账号从服务器后台提取指定的人脸信息,将此人脸信息与当前人脸信息比对,判读「他」是否与该身份证、社保卡或者特定账号的人脸信息匹配,而不是从百万人的数据库里纯刷脸识别出「他」是谁。

1:N 人脸识别的準确率还要加上先决条件——Top N。因为人脸识别的输出结果是「相似度」,也就是识别的是一张人脸和另一张人脸的相似程度,而不是「绝对值」。在公安的被动查询场景中,只要 TOP20、TOP50 中有一个比较好的準确率就可以了,实现起来相对容易。而在支付场景中,要实时分析这个人到底是不是帐户的主人,就要求 TOP1 有很高的準确率。

提高识别準确率主要有两种途径,一是从理论的角度,不断提升算法;二是从产品和工程的角度,儘量在不打扰用户的情况下缩小 N 值。由于「刷脸支付」的误差率要控制在十万分之一甚至百万分之一以下才有商用价值,前者的可行性较低。 支付宝和京东採取的都是后一种做法,更多是属于产品策略上的创新 。

当前阶段,人工智能落地很大程度上取决于业务和方案,也就是所谓的场景,支付宝和京东的「刷脸支付」便是极佳的範例。正如一位业内人士所说,「光靠算法突破来落地,也许人家都商业化成功了,你还等 」。产品策略上的创新和突破同样值得肯定,因为「好的产品用户也感觉不到 trick,用起来很自然」。

您可能有兴趣文章: