TFI:巴比特專欄 | 數字經濟下的區塊鏈助力人臉識別應用新思路_bitcoin交易所騙局

目前人臉識別技術廣泛應用于智慧社區和智慧城市的建設，由此搭建的人臉識別系統也是公共安全指揮設施的核心支撐平臺，更是整個智慧感知體系的關鍵部分和重要的信息來源。人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術，它利用人臉特征信息所具有的精度高、易于使用、穩定性強、難以仿造等特點，從攝像機采集到的含有人臉的視頻流中，自動檢測并跟蹤人臉，進而對檢測到的人臉進行一系列相關技術，從而快速實現身份識別。通常也叫做人像識別或面部識別。

隨著人臉識別技術的進一步成熟，以及社會認同度的不斷提高，人臉識別系統已經廣泛應用在很多領域。比如企業、住宅安全管理方面，已經有了門禁考勤，人臉識別防盜門等；信息安全方面，電子護照、身份證等證件的人證比對；公共安全方面，、邊防、司法等部門采用人臉識別進行犯罪偵查、搜捕逃犯；信息安全方面，比如利用人臉識別進行手機解鎖、電腦登錄認證；在電子政務、電子商務以及銀行領域辦理業務時，通過原有的密碼、身份證和現在的人臉識別技術進行認證比對，從而高效、安全的完成對當事人身份的認證核查，從而大大增加相關領域的安全性和可靠性。另外，一些廣告公司把人臉識別技術應用在戶外廣告上進行人流量統計，甚至基于人臉識別技術發展出的表情識別、換臉術等都可以用于諸如娛樂、游戲、商業引流等領域。

ETH 2.0總質押數已超2466.44萬:金色財經報道，數據顯示，ETH 2.0總質押數已超2466.44萬，為24664390個，按當前市場價格，價值約471.29億美元。此外，目前ETH 2.0質押總地址數已超81.70萬，為816957個。[2023/6/24 21:57:34]

人臉識別技術主要分為人臉檢測、人臉特征提取和特征比對這三部分。

人臉檢測：從靜態圖片或攝像頭輸出的動態視頻流中準確定位出人臉的位置和大小，即人臉面部的關鍵區域，包括眉毛、眼睛、鼻子、嘴巴、下巴以及臉部輪廓等。由于受到光照、姿態和遮擋等因素的影響，人臉關鍵區域精確檢測是很重要的一步。

人臉特征提取：也稱人臉表征，它是對人臉進行特征建模的過程。特征建模首先需要人臉特征點，即人臉關鍵區域的特征數據，這些特征數據反映了關鍵區域內各個部位的局部關系以及它們之間的相互關系。比如眼睛、鼻子、嘴、下巴這些人臉器官的形狀構成了人臉的局部特征點，而這些局部特征點之間諸如歐氏距離、曲率和角度等特性又構成了它們之間結構關系的幾何描述，又稱為幾何特征，這些局部特征和幾何特征一起構成了人臉特征數據，它們作為識別人臉的重要數據。

特征比對：人臉識別的最終結果將在這一步呈現。將提取到的待分析的人臉特征數據依次與特征庫里存儲的特征數據進行比較，根據相似程度對人臉的身份信息進行判定。通過設定一個門限閾值，當待分析的特征數據與庫特征數據之間的相似度達到或超過這一閾值，則判定人臉識別成功，特征庫里該特征數據所對應的身份信息即是攝像頭抓拍到的人像的身份信息。

Lookonchain：一巨鯨地址向Bitfinex轉入1.1萬枚比特幣:金色財經報道，據 Lookonchain 監測，一巨鯨地址向 Bitfinex 轉入 1.1 萬枚比特幣，該地址從 Bitfinex 接收了 46542 枚比特幣，按時間計算均價為 20083 美元。之后該地址向 Bitfinex 轉入了 36500 枚比特幣，目前仍持有 10042 枚比特幣。由于與 Bitfinex 之間的轉賬金額巨大，該地址也可能是 Bitfinex 內部地址。[2023/4/12 13:59:36]

人臉識別系統在運行前首先要建立人臉特征庫，即建立需要進行識別的對象人臉庫，也就是我們常說的抓拍庫、人臉注冊庫、黑白名單庫。我們一般從對象的照片或者包含對象的視頻中檢測到對象人臉，然后提取對象人臉的特征數據并入庫。這個人臉特征庫實質就是人臉數據庫，用于存儲需要識別對象的人臉特征數據。

其次，通過架設在室內或室外的前端攝像頭實時抓拍人臉圖片，并將圖片送入后端的人臉識別系統進行比對，比對成功則輸出人臉識別結果。

以上就是人臉識別系統的工作原理。

隨著區塊鏈技術在各行各業不斷地探索應用落地，區塊鏈+人臉識別的融合應用也受到越來越多的關注。

目前的應用場景主要還是利用區塊鏈技術的去中心化，鏈上數據不可篡改、公開透明且可追溯等特點，通過創建包含個人隱私的專屬保密箱，將個人隱私數據，如身份信息、親人信息、相片等放入保密箱并上傳到區塊鏈存儲，同時利用人體所獨有的特征——人臉特征數據，作為專屬保密箱的密鑰之一，其它密鑰可能會遺失，但人臉特征數據取自專屬人自己的面部信息，所以不會遺失，也不會被篡改。此外，保密箱里面的身份信息可以作為專屬人在區塊鏈網絡里的數字身份，人臉特征數據成為數字身份的密鑰，由此可以實現去中心化的用戶身份驗證，那么進一步擴展，那些存儲在區塊鏈上的個人數字貨幣資產、個人醫療數據、個人教育信息、物聯網信息等都可以與之關聯，從而實現了區塊鏈網絡與現實世界的身份連通。

邁阿密交易平臺等公司投標LedgerX:金色財經報道，市場消息：FTX旗下衍生品交易平臺LedgerX吸引了包括邁阿密交易所在內的公司投標。[2023/3/22 13:18:07]

人臉特征成為鏈接區塊鏈網絡和現實世界之間的紐帶

除了前面介紹的人臉特征數據作為區塊鏈上的專屬通證密鑰外，還可以將人臉特征數據存儲在區塊鏈里，這里就引申出一個特殊的應用——尋找拐賣兒童和失蹤人口。比如把小孩從出生以后每個年齡段的人臉特征數據都上傳到區塊鏈上，作為小孩專屬數字身份的密鑰。目前大部分被拐賣的小孩都屬于低齡段，無法敘述個人信息，那么可以利用人臉識別技術采集小孩的人臉特征數據，然后將其作為密鑰訪問區塊鏈上存儲的數字身份，從而關聯出其親生父母及親屬的信息，那么就可以判斷當前帶小孩的人是否是人販，這樣使得拐賣兒童更加困難，抓捕人販的成功率更大。對于失蹤人口或流浪漢救助，可以借助跨年齡人臉識別技術在區塊鏈上找到其數字身份。

以上是目前區塊鏈+人臉識別的主要應用，那么本文將從一個全新的角度來闡述一個區塊鏈與人臉識別結合的應用思路。

一直以來，業界認為影響人臉識別技術推廣應用的關鍵因素在于識別算法的優劣，海量樣本數據訓練出的算法模型必然比少量樣本訓練出的模型好，全天候多環境采集的樣本數據訓練出的模型必然比室內樣本數據訓練出的模型好。但是經過這幾年實踐檢驗發現，影響人臉識別推廣的因素不再是算法的差異，也不再是海量樣本數據的缺失，主流的深度學習算法已經很成熟，算法模型也得到大數據訓練，其穩定性已顯著提高，目前的瓶頸已經轉變為主觀上認為已經解決的算力問題。人臉識別的算法對算力資源要求很高，除了GPU這種通用的具有強大計算能力的芯片之外，專門用于處理神經網絡的芯片也層出不窮且處理性能也不斷提升，但是隨著未來物聯網的興起，視頻圖像數據將會迎來爆發式的增長，那么人臉識別技術的運用受算力制約將會越來越明顯。大公司可以通過不斷堆積硬件資源來實現算力提升以應對視頻數據的增長，但中小企業卻很難承受巨大的硬件成本開銷，同時這些成本最終也會轉移到用戶身上，這樣下去會給人臉識別技術在社會的全面推廣造成很大的障礙。

算法穩定幣 Olympus V3 版本將更名為 Bophades，可根據 OHM 匯率自動使用國庫:8月22日消息，算法穩定幣協議 Olympus 將升級為 V3 版本并更名為 Bophades，目前正在進行最后的代碼審核。此版本將允許協議根據 OHM 匯率自動使用國庫，主要組成部分包括：核心注冊表（Kernel）、treasury、minter、Governor，以及范圍限制穩定性（RBS）系統。

據悉，該協議的核心是圍繞默認框架構建的。它是一種模塊化和固執己見的協議 n 層架構，通過可審計的鏈上機制優先考慮簡單性、單向數據流和可擴展性。Governor 是一個新的治理合約，作為選民直接添加和刪除連接到內核的合約的一種方法，從而完全控制協議的架構。它還有一種不同的提議和計票方式。[2022/8/22 12:39:24]

這里我們利用區塊鏈技術打造一套低成本、可擴展的人臉識別系統，其主要思路就是利用區塊鏈技術實現空閑分散的算力整合在一起來完成識別任務，這樣，企業或用戶不必投入過多的硬件成本來搭建傳統的人臉識別系統，從而降低運營成本。

基于區塊鏈技術的人臉識別系統框圖下圖所示。

Reddit社區積分交易平臺RCPswap.com上線Arbitrum Nova:8月18日消息，Reddit社區積分交易平臺RCPswap.com宣布上線Arbitrum Nova。目前該平臺提供Redit社區積分MOON與USDC、ETH相關交易對。[2022/8/18 12:33:38]

基于區塊鏈技術的人臉識別系統框圖

整套系統由攝像機群組、人臉識別區塊鏈網絡和系統運營方構成。下面詳細介紹各部分的功能。

攝像機群組：攝像機群組主要由部署在不同區域的若干臺攝像機組成，它們負責把現場采集的數據回傳給后端人臉識別區塊鏈網絡中對應的攝像機代理節點。傳統的監控型網絡攝像機是將現場的實時視頻流回傳給后端，實時視頻流不但占用網絡帶寬，而且還增加后端人臉識別區塊鏈網絡里運算節點的運算負擔，因為運算節點需要從實時視頻流里檢測出人臉，即使視頻流里面沒有人臉存在，運算節點仍要做人臉檢測工作，這樣極大浪費運算資源。所以可以采用專用的人臉抓拍攝像機，該類型攝像機內部芯片里內置有人臉檢測算法，只要攝像機在視場內檢測到人，就將抓拍到的人臉圖片回傳給后端，這樣傳圖片比傳視頻要節省很大的網絡帶寬，不但減輕人臉識別區塊鏈網絡的傳輸負擔，也減輕了運算節點的運算負擔。

人臉識別區塊鏈網絡：該網絡采用聯盟鏈網絡架構，由若干管理節點、運算節點和攝像機代理節點這三類節點構成。

管理節點：屬于高權限節點，負責成員準入、指定內部監督節點、限定查詢權限、提供人臉識別組件下載與更新服務、維護區塊鏈數據等。

運算節點：主要完成人臉識別任務，包括人臉特征提取和特征比對；如果被選作監督節點，則需要負責監督識別結果是否準確，同時維護區塊鏈內部數據。

攝像機代理節點：負責把所屬攝像機群組發來的人臉圖片廣播給網絡里的其他類型節點。該節點不參與監督工作，也不參與記錄區塊鏈數據。

系統運營方：主要負責經濟獎勵和對人臉數據和人臉識別組件的管理。經濟獎勵即獎勵別人提供算力來完成識別任務；人臉數據庫屬于高度隱私的信息，所有權在系統運營方，需要對人臉數據庫加密，然后下發到各個運算節點，只有人臉識別組件才能解密人臉數據庫里的數據，其他節點無權查看。

整套系統的工作流程如下：

人臉識別區塊鏈網絡里的管理節點由系統運營方直接部署并管理，系統運營方將人臉識別組件和加密后的人臉數據庫下發給各個管理節點；如果人臉識別組件或人臉數據庫有更新，則需要同步到各個管理節點，然后由管理節點通知運算節點下載更新。

新的運算節點經過管理節點批準后加入網絡，接著從鄰近的管理節點下載人臉識別組件和人臉數據庫。

攝像機代理節點把攝像機群組傳來的人臉圖片上傳到區塊鏈網絡中，圖片經過廣播到達運算節點和管理節點，這些節點收到圖片后就放入本地的圖片池，同時按照人臉圖片的時間戳順序構建圖片區塊，運算節點通過算力競爭獲得圖片識別權，競爭獲勝的運算節點把自己打包的圖片區塊進行全網廣播，其他節點收到圖片區塊后，首先驗證是否該節點是否真的競爭到了識別權，驗證通過就將自己本地的圖片池中已被納入區塊的圖片刪除，然后重新打包圖片再次競爭識別權。獲勝的運算節點除了在全網廣播圖片區塊外，還要通知管理節點自己獲得了識別權，管理節點驗證通過后，授權獲勝節點啟動人臉識別組件對人臉圖片進行識別，同時將識別結果在全網廣播，具有監督作用的節點收到結果后要進行有效性驗證。因為獲勝運算節點是進行1∶N比對的，即從N張人臉庫圖片中識別出相似度最高的一張，需要對N張圖片都進行比對,而監督節點的驗證只需要把抓拍的人臉圖與識別出的庫圖片進行1∶1比對，因此驗證能很快完成，驗證通過的識別結果就記入本地區塊鏈。區塊鏈只能由系統運營方或者經過其授權的第三方才能訪問。

系統運營方根據識別工作量給予運算節點經濟獎勵，這樣可以激勵越來越多的空閑算力加入識別任務。未來，系統可以通過發放國家法定數字貨幣來進行結算。

上述系統流程由于存在人臉圖片打包以及節點間算力競爭，所以不適合對實時性要求很高的應用場景，但適合于后期人員搜索、軌跡分析以及行為分析等應用。該應用思路只是對基于區塊鏈的人臉識別系統的大體規劃，對于具體實現及后續推廣的商業模式，仍值得深入探討研究。

Tags：區塊鏈BITTFIINE區塊鏈的五大應用領域bitcoin交易所騙局harvestfinanceAutomated Income Machine

BNB價格