在生物信息識別領域,指紋識別可以說是最先進入人們視野、發展得最早最快的技術,然而隨著機器學習和更先進的光學元件的出現,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、靜脈血管結構、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,包括一臺能夠讀取用戶手掌信息的掃描儀。”被識別者的手掌信息會被分割為更小的照片,并使用神經網絡提取特征向量,和該用戶以往的記錄進行比對,以驗證是本人。在實際應用中,消費者可以將信用卡和手部信息綁定,在結賬的時候只需要刷一下手就可以完成付款。根據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)。▲兩種實現方式與此同時,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,包括手掌內的褶皺和細小的紋路;第二張是第二種波長的偏振光下照到的手掌內部脈絡,比如靜脈血管。手掌表面信息和底層信息結合在一起加強了系統的安全性,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,由多層神經網絡處理外部掌紋特征以及內部解剖特征,并和用戶預存在系統內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、翹曲、過濾,使圖像變得更標準。例如,應用校正變換后,原始圖像的像素會從扭曲的原位置映射到標準圖像中的不同位置,哪怕刷手時手掌沒有伸直,或者沒傾斜扭轉,也可以準確讀取。▲完整的讀取流程刷手技術沒有停留在理論層面,而是已經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 現有的驗證體系,說明了從刷手驗明正身、到在無人店內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 的緊密聯系。在專利發明人名單上出現了多位 Amazon Go 核心人員的名字,其中 Dilip Kumar 是 Amazon Go 的技術負責人,也是亞馬遜實體零售計劃的副總裁。有理由相信,這項技術會在亞馬遜自家實體店先落地。