「刷耳辨别」解决戴口罩刷脸问题，准确率高达99%

口罩暂时摘不下来，人耳辨别可能会更方便？

后疫情时代，人们依旧必要带着口罩，卫生意识也大有提升，同时也因此愈发必要高效的身份考证措施。人耳辨别，听起来是一项不错的选择，并且有着独特的优势：被动、无接触、非侵入式，且不涉及任何表情。

在佐治亚大学的一项新研究中，研究者们提出，人们有望在不久后让人们用耳朵举行辨别，而不是用人脸或指纹。

论文地址：https://ieeexplore.ieee.org/document/9887947

该研究的主要作者、佐治亚大学工程学院副教授 Thirimachos Bourlai 谈到，人耳是少数能随着时间的推移而保持相对不变的身体部位之一，所以它可以替代必要脸部或指纹辨别的技术。据此，Bourlai 的团队开发的人耳辨别零碎可以准确考证个人身份，其准确率高达 99%。

Thirimachos Bourlai

耳朵对每个人来说都是独一无二的，就像指纹一样。研究者表示，即使是同卵双胞胎的耳朵也有差异。还有一个好处在于，除了耳垂会随着年龄的增长而下降以外，人耳不会像人脸一样变老。

人耳辨别软件的工作原理与人脸辨别类似：当人们换了新手机，必须注册自己的指纹或人脸以便机器辨别。新装备通常要求用户反复将手指放在传感器上，以获得指纹的完整「图象」。人脸辨别技术依赖于用户在摄像头前以特定方式移动脸部，以便装备有效地捕获他们的脸部特征。Bourlai 提出的人耳辨别算法的方式相似。

基于深度学习的耳朵辨别零碎概述。

Bourlai 说：「手机会捕获一个人的多个身份样本，这些图象会暂时保存在你的装备中。就像你必须应用活体指纹来解锁手机，并将其与你的注册指纹举行对比一样，你必须应用活体的耳朵来解锁。」

Bourlai 还说，这实际上并不是第一次将人耳辨别用于危险考证。「有许多独特的方法可以利用其他传统方式来辨别个人，例如通过人脸、指纹和虹膜。人耳辨别，听起来就令人兴奋，我们必要多多讨论它的好处，尽管在捕获自己的耳朵图象方面还存在挑战。」

在设置生物辨别装备时，算法会采集一个人的多个身份样本，如脸部图象或指纹，并将其记录到装备中。当应用生物特征来解锁装备时，它必要实时样本来与装备上的日志举行比较，比如脸的照片，就这项研究而言则是耳朵的照片。

Bourlai 的软件应用一种耳部辨别算法来评价耳部扫描，并确定它们是否适合自动匹配。Bourlai 还应用了各种耳部数据集和各种耳部形态来测试软件。 

耳朵图象质量评价工具。该数据集由 WVU 耳朵数据集的原始图象和降质图象的组合组成。

Bourlai 应用两个不同的现有人耳图象数据集测试了他的算法。在一个数据会合，与之前的人耳辨别软件相比，零碎功能从 58.72% 提高到 97.25%，而在另一个数据会合，与基线方法相比，功能从 45.8% 提高到 75.11%。

为确保该零碎即使在繁琐的图象中也能运作，Bourlai 团队应用受图象噪声因素影响的人耳图象（包括模糊度、亮度和对比度的变化）对几个模型举行了评价。

如上表所示，DenseNet 模型在 WVU 和 USTB 数据会合的辨别功能最好，而 SqueezeNet 的 Rank-1 评分最低。

Bourlai 说，人耳辨别软件可以用来改进现有的危险零碎，比如世界各地机场应用的危险零碎，以及基于摄像头的危险零碎。他的团队还计划改进提出的人耳辨别算法，以更好地处理热图象，并将较暗的环境纳入考虑，毕竟在这种环境下，应用传统相机可能难以捕获清晰的可见光波段图象。

更多研究细节，可参考原论文。

参考链接：

New facial recognition technology scans your ear