刷牙支付？DeepTeeth牙齿生物识别系统识别率高达100

　　移动支付可以说是科技时代最伟大的发明之一。
　　为了保护钱包安全，移动支付服务供应商都会给用户提供三种安全措施：
　　密码、指纹、面容。
　　但是安全这东西说起来是真的烦。
　　用密码吧，设置简单了又怕别人知道，设置难了，自己先忘记了。
　　用指纹识别吧，指纹膜轻松一按就能骗过传感器。
　　用面容识别，高级一点了吧？人家还有3D面具，高精度3D头模。
　　别怕，右边的是假的
　　但真的是道高一尺，魔高一丈吗？
　　那就不一定了。你有张良计，我有过墙梯。
　　近日有研究人员提出了一种生物识别系统DeepTeeth。
　　用牙齿作为移动设备安全系统的身份验证令牌。
　　论文地址：https：arxiv。orgabs2107。13217
　　DeepTeeth系统专门应用于普通的移动设备和临时用户身份验证场景。
　　使用端到端的少镜头框架，75平方像素的输入尺寸就能达到最佳的运行状态。
　　成功率高达100！
　　这个系统与之前的牙齿机器学习认证系统相比，对本地资源的需求最小。
　　也就是说，或许以后拿起手机时不再怼脸，而是怼牙齿。
　　为什么用牙齿识别？
　　牙齿作为一种身份标志，其实是我们最容易变化的面部特征。
　　不是说抽烟喝酒多了牙齿变黄这类的变化。而是说，相较于其他类型的面部整容或重建手术，对牙齿进行的手术干预频率会更高。
　　但研究人员则认为，从长远来看，牙齿仍然是我们面部特征中最一致的识别特征。
　　说到牙齿识别，大家可能会联想到凶案的取证分析环境。的确，假如由于火灾或者其它极端形式，身体的其它部分都遭到破坏。这时只有牙齿是最后的依靠。
　　此外，牙齿还是人体死后最后降解的部分。所以，法医牙科会建立起专门的数据集，使用定制的扫描设备，对死者牙齿进行X射线扫描。
　　但DeepTeeth只需要一系列简单的牙科自拍就能建立基线ID。
　　研究人员指出，这个基于牙齿的ID框架可以抵御针对指纹和面部ID验证方法的欺骗攻击。
　　数据处理和训练
　　研究人员为DeepTeeth系统开发了一个便于使用的安卓应用。
　　用户需要从不同角度和不同光线条件下给牙齿拍照。拍好的照片会在本地处理，以便日后的认证推断。
　　为了生成核心训练数据库，研究人员收集了51名志愿者的牙齿图像。其中，志愿者需要通过应用程序上传4张牙齿图像，系统会识别并定位牙齿区域。
　　数据在Siamese网络中进行测试，同时还与谷歌2015年的FaceNet进行对比。
　　模型的训练采用批大小为16的Adam优化器，并使用NvidiaGTX1050GPU。并且只要25分钟就能生成一个256维的特征向量。
　　DeepTeeth利用增强框架处理裁剪过的原始图像。提取牙齿特征后，通过预训练的本地网络在设备上进行处理。
　　输入模型的原始牙齿部分尺寸为1416x510像素。然而，这个尺寸对于基于服务器的机器学习训练来说都很难处理，更何况是手机。
　　但幸好，模型会从这些原始图像中提取较小灰度图像，丢弃较大的数据。这些经过处理的灰度图像会用于之后的系统处理。
　　作者采用SoftMax作为训练分类网络的损失函数。对于目标操作环境来说，SoftMax够轻量，相当灵活。
　　实验结果
　　研究人员使用五个单独的性能参数来评估DeepTeeth。
　　发现该系统在尺寸为7575像素的时候可以获得最佳结果，成功率达到100。
　　此时，错误接受率和错误拒绝率均为0，从而得到CRR100和EER0。0的结果，显然优于其他牙齿识别模型。
　　DeepTeeth的竞争对手
　　其实牙齿ID识别已经不是新鲜事儿了。
　　在2020年的时候，湖南大学研究团队就已经提出了牙齿身份验证系统SmileAuth。
　　论文地址：https：dl。acm。orgdoi10。11453411806
　　和多数面容识别方法一样，SmileAuth用不同的相机角度捕捉牙齿边缘图像，然后再利用人的牙齿边缘进行生物识别。
　　在这些图像里提取出一系列牙齿边缘的特征，包括牙齿大小、形状、位置和表面磨损程度。
　　牙齿图像处理过程
　　该系统同样也是在安卓手机上使用，能够抵御图像、视频、物理暴力攻击。
　　哦对，连假牙都骗不了这个系统。
　　团队招募了300多个志愿者对系统的性能进行综合评估。
　　实验结果表明，SmileAuth在不同场景下可以达到99。74的整体准确率、98。69的Fscore、2。31的FNR和0。25的FPR，还能够有效区分双胞胎。
　　要是牙缘生物识别技术普及了，你会用吗？
　　参考资料：
　　https：arxiv。orgabs2107。13217
　　https：dl。acm。orgdoi10。11453411806