你已经可以通过触摸、手势或语音命令来控制移动设备。现在芬兰研究员Olli lah降ja正在介绍另一种机制:面部识别。

拉哈德哈是图尔库大学的一名研究人员，他发表了一篇博士论文，开发了一种可以安装在单个电子芯片上的面部识别方法。该系统由于体积小、功耗低，有可能应用于智能手表和手机等设备。

“例如，当用户看到智能手表时，它就会打开。更重要的是，识别系统可以用来识别一个人，当他们访问在线服务时。实际的图像传感器和进行计算的电路被嵌入到同一芯片中。它的物理尺寸很小，唯一需要的就是电源。”

谷歌去掉了谷歌眼镜的面部识别应用

随着人们对谷歌网络规格对隐私影响的担忧加剧，该公司已承诺，在隐私保护到位之前，将防止用户使用面部识别眼镜。

阅读更多

尽管其他的面部识别系统已经存在，lah降ja并不知道还有其他的系统可以将整个系统整合到一个芯片上。

lah降ja的系统是基于局部二值模式(LBP)方法，这是芬兰开发的一种广泛使用的面部图像分析方法。lah降ja所做的是将LBP应用到焦平面视觉处理器上，该处理器将光电二极管与处理器电路相结合，以实现更高效的计算和高速的图像分析。

虽然LBP可以追溯到20世纪90年代，但直到现在它还没有应用到焦平面处理器上。LBP方法是根据图像的灰度值来测量人脸的纹理。

“从图像中提取一个像素，并与其相邻像素进行比较，以确定其灰度值是高还是低。这些值被用来创建二进制链。“使用LBP可以对图像中的一个区域进行处理。所有来自该区域的像素都被获取并与相邻区域进行比较。然后根据该区域有多少个二进制链来创建直方图。”

在实际的人脸识别元素中，将人脸图像分割成更小的区域。然后将所有这些区域的直方图与同一人脸的两张图像进行比较。直方图匹配的越多，越有可能是同一张脸。lahdinja的方法还能识别移动中的人脸。

这可能听起来不像一个快速或精确的方法，但根据lah降噪，通常达到97%的准确率取决于图像的质量。

“focal-plane处理器的好处是每个像素都被计算逻辑包围，这意味着计算可以非常快地完成。我们可以谈论每秒10万张图像的速度，”lah底加说，但澄清这些速度无法达到，至少目前还无法通过面部识别达到。

虽然新的人脸识别系统有许多潜在的实际应用，比如在线购物或社交媒体的身份验证，但可能还需要一段时间才能公开。

lah降ja并没有发现将他的方法应用到实践中的任何重大问题，但是到目前为止，该芯片仍停留在概念层面上，并且仅使用现有的焦平面处理器进行了部分测试。实际的芯片制造将需要一个商业伙伴。