亞馬遜公布人手識別技術(shù)專利，更快捷支付方式來了

　　亞馬遜一直都在琢磨，怎么讓顧客結(jié)賬更利索。

　　2018 年，亞馬遜對公眾開放了“拿了就走無需結(jié)賬”的無人店 Amzon Go，但顧客首次進店仍需下載 App、登陸亞馬遜賬號并掃描二維碼。對于亞馬遜來說，這個速度還是太慢了。

　　上周，亞馬遜終于跨過了顧客和收銀臺間的最后一道坎：亞馬遜公布了人手識別技術(shù)專利，0.3 秒內(nèi)可完成掃描支付，誤差僅有百萬分之一，未來誤差會進一步縮小到一億分之一。

　　專利文檔封面顯示，亞馬遜早在 2018 年 6 月就提出了專利申請，2019 年 12 月 26 日，美國專利商標(biāo)局才公開發(fā)表了這份專利。

　　亞馬遜紐約辦公室的工程師也證實，他們從一年前就已經(jīng)開始著手研發(fā)更快更準(zhǔn)確的新生物識別技術(shù)，并在公司內(nèi)的自動售貨機上實行內(nèi)測，可以刷手買汽水薯片充電器等小玩意兒。

　　亞馬遜人手支付來了：不刷臉，刷手就能付錢

　　今后，顧客在亞馬遜線下店購物可能連手機都不用拿出來，只要在掃描儀上晃一下手，就能瞬間完成支付動作。

　　識皮更識骨：亞馬遜人手識別專利細節(jié)

　　在生物信息識別領(lǐng)域，指紋識別可以說是最先進入人們視野、發(fā)展得最早最快的技術(shù)，然而隨著機器學(xué)習(xí)和更先進的光學(xué)元件的出現(xiàn)，人臉識別、虹膜識別等后起之秀沖擊了指紋識別的地位。

　　但是，人手攜帶的生物信息遠遠不止指紋這么簡單。手掌紋、靜脈血管結(jié)構(gòu)、皮下軟組織等都可以成為人類獨一無二的身份證。

　　亞馬遜就看中了這一點。

　　在公開的專利申請中，亞馬遜稱，人手識別是一種“非接觸式的生物識別系統(tǒng)，包括一臺能夠讀取用戶手掌信息的掃描儀?！北蛔R別者的手掌信息會被分割為更小的照片，并使用神經(jīng)網(wǎng)絡(luò)提取特征向量，和該用戶以往的記錄進行比對，以驗證是本人。在實際應(yīng)用中，消費者可以將信用卡和手部信息綁定，在結(jié)賬的時候只需要刷一下手就可以完成付款。

　　根據(jù)亞馬遜專利文件中的圖示，用戶需要把手在一個類似讀卡器的攝像頭上晃一下（不需要像讀指紋一樣把手按在屏幕上）。

　　與此同時，紅外線攝像頭則會生成兩張圖片：第一張是第一種波長的偏振光下生成的手掌表面信息，包括手掌內(nèi)的褶皺和細小的紋路；站長資源平臺第二張是第二種波長的偏振光下照到的手掌內(nèi)部脈絡(luò)，比如靜脈血管。

　　手掌表面信息和底層信息結(jié)合在一起加強了系統(tǒng)的安全性，就算有人倒模做出一只一模一樣的手來，也沒法騙過攝像頭。

　　接著，手掌圖片會被分割成多個小部分，由多層神經(jīng)網(wǎng)絡(luò)處理外部掌紋特征以及內(nèi)部解剖特征，并和用戶預(yù)存在系統(tǒng)內(nèi)的手掌信息進行對比，完成驗證。

　　為了使刷手更加快捷，亞馬遜還在系統(tǒng)中加入了圖像變換模塊。

　　圖像變換模塊可以將輸入圖像平移、旋轉(zhuǎn)、翹曲、過濾，使圖像變得更標(biāo)準(zhǔn)。例如，應(yīng)用校正變換后，原始圖像的像素會從扭曲的原位置映射到標(biāo)準(zhǔn)圖像中的不同位置，哪怕刷手時手掌沒有伸直，或者沒傾斜扭轉(zhuǎn)，也可以準(zhǔn)確讀取。

　　刷手技術(shù)沒有停留在理論層面，而是已經(jīng)被加入了亞馬遜無人店全家桶。在專利文件最后，亞馬遜也介紹了如何將人手識別納入 Amazon Go 現(xiàn)有的驗證體系，說明了從刷手驗明正身、到在無人店內(nèi)使用各種傳感器檢測用戶購物行為、最終從用戶綁定賬戶中扣款的全過程。

　　而從專利文件上也能看出人手識別和 Amazon Go 的緊密聯(lián)系。在專利發(fā)明人名單上出現(xiàn)了多位 Amazon Go 核心人員的名字，其中 Dilip Kumar 是 Amazon Go 的技術(shù)負責(zé)人，也是亞馬遜實體零售計劃的副總裁。

　　有理由相信，這項技術(shù)會在亞馬遜自家實體店先落地。

　　比指紋更便捷，比刷臉更道德

　　手掌識別的的出現(xiàn)不是因為亞馬遜有意返璞歸真，而是為了解決一系列人臉識別帶來的問題。

　　首先，人臉識別存在嚴重的數(shù)據(jù)歧視問題。

　　2019 年美國商務(wù)部下屬研究院對包括英特爾和微軟在內(nèi)的主流人臉識別軟件進行測試后發(fā)現(xiàn)，在一對一匹配中，亞洲人、黑人和印第安人等有色人種被誤認的概率比白人高出 10-100 倍。在另一份麻省理工學(xué)院的論文中，研究員 Joy Buolamwini 發(fā)現(xiàn)人臉識別軟件在識別黑人女性時錯誤率高達 34.7％，而識別白人男性時錯誤率僅有 0.8%。

　　而使用掌紋識別，結(jié)果不會受到性別和膚色的影響。

　　其次，人臉識別帶來了隱私泄露的巨大隱患。

　　不管是網(wǎng)上流傳的“人臉數(shù)據(jù)集”還是不斷傳出的“App 誘導(dǎo)用戶上傳照片為訓(xùn)練算法”新聞，都讓用戶對自己的肖像權(quán)越來越敏感，在 Deepfake 等換臉?biāo)惴餍械漠?dāng)下，泄露面部信息更帶來了前所未有的潛在風(fēng)險。在使用人臉識別時，像“給嫌疑犯照相一樣”的流程和隱私被侵犯的感覺難免讓用戶從心底里排斥，甚至選擇傳統(tǒng)的密碼解鎖或現(xiàn)金支付方式。

　　不受用戶歡迎，人臉識別也不招美國政府待見。去年，為保護市民隱私，美國舊金山市和馬薩諸塞州的薩默維爾市先后通過了人臉識別禁令，禁止政府機構(gòu)購買和在公共場所使用人臉識別技術(shù)。受輿論影響，奧克蘭、紐約等城市也在考慮類似禁令。

　　而亞馬遜提出的手掌識別，可能是一種代替人臉的全新思路。