每個人都有自己的特殊特征或者說印記，比如項指紋，虹膜，唇紋等。事實上能夠代表我們個人身份特征的生理特征或者說生理身份證還有很多，比如我們經常使用的面部識別。
面部識別一般分為2D平面和3D立體面部識別兩種，首先第一種2D平面，就是采用的圖像識別技術，將所拍攝到的面部影像與存儲的原始面部照片進行對比，重合度符合標準極為通過驗證。
不過這種方式有一大弊端，那就是無法識別哪些是真人，哪些是照片，可能用一張照片，就能騙過這種2D面部識別技術。
而3D立體面部識別技術呢，則是記錄下人面部的3D輪廓數據信息，然后與存儲的這些3D面部輪廓數據進行比對，這樣一來就能夠很好的避免有人拿著照片想要蒙混過關。
可是這種3D立體面部識別也有缺陷，那就是如果有人拿著這個人的3D人臉面具，或者是3D人頭模型，就能騙過3D立體面部識別系統，驗證通過。
所以現在很多3D立體面部識別技術，在其中又加了紅外感應以及眼球捕捉技術。在進行3D立體面部識別的時候，系統還會同時感應正被識別證的面部溫度，以及眼球的轉動，以驗證其是否是真人，而非面具。在同時滿足這些個條件后，才能驗證通過。
每個人的人臉就是我們最好的生理身份證明，它是獨一無二的。但是經過一些整容手術呢，又能夠對這些面容進行復制。但再怎么復制，也只是表面，很難改變頭骨結構輪廓。
所以我們看到很多影視劇和節目里面，警察法醫可以通過受害者的頭骨，然后進行復原，獲得出受害者生前的照片。
而現在的人工智能系統，就可以根據嫌疑人的照片，然后反推計算生成出其的3D頭骨輪廓數據，然后依次為基礎，在龐大的監控畫面中，比對監控畫面中的這些人的面部特征，和其所生成的3D頭骨輪廓數據，然后進行比對，從而找出相關的嫌疑人。
這樣一來，即便是嫌疑人再偽裝，都很難逃過系統的火眼金睛。
當然了，單一條件篩選很容易出錯，準確率有限，這個就需要給人工智能系統再增加一些搜索條件。
就跟我們在搜索引擎中搜索信息一樣，給的條件越多，搜索出來的就越準確。
我們每個人雖然都是一樣在行走，但行走的姿態卻有細微的差距，這是我們平時潛移默化形成的習慣，自己很難察覺。
內容未完，下一頁繼續閱讀