之所以 F-22 Raptor之所以被稱為“隱形戰鬥機”，並不是因為它可以在雷達屏幕上消失（而且它也不會消失），而是因為它可以大大降低主流雷達的識別率。因此，它可以來去去去而不會留下痕跡。我們的防面部識別隱私眼鏡是一樣的。它們降低了當前大多數監視攝像機的面部捕獲成功率，並且干擾了算法以降低識別率。這樣，紅外監控攝像機無法捕獲面部信息，並且無法與後台數據庫中的數據進行正確匹配。
為了防止在某些地方或某個時期被面部識別機識別，您可以使用圍巾或口罩，並將臉龐隱藏在“保險箱”中。實際上，大多數人住在倫敦的城市中，有63萬台攝像機，例如倫敦，超級市場和城市街道。即使在曠野空曠的地方，您也可能會在空中盤旋的無人機的監視下。您一直都在監視攝像機。因此，當您穿著高檔品牌的精美衣服打扮時，您不能保證整天穿上帶攝像機監控的衣服或攜帶笨拙的反面部識別玩具，然後戴上“反面部識別安全箱”。當您成為現實中引人注目的怪物或小丑時，您在AI世界中是無形的。因此，最好的選擇應該是保護我們的面部信息隱私而不被其他人注意，同時將保護設備集成到我們的日常生活中，並且可以隨時隨地同時匹配個人圖像。
對於早期的2D面部識別系統，如果故意用偽造的鬍鬚，濃密的妝容和太陽鏡等遮蓋住對象的臉部，則很難識別該對象。面部識別技術正在發展。目前，3D面部識別系統可以通過太陽鏡或面罩通過穿透太陽鏡的紅外線或紅外線激光捕獲面部信息。這樣，太陽鏡後面的面部信息就可以顯示紅外線攝像機中的真實特徵。
我們的防面部識別隱私眼鏡採用獨特的光學手段，成功攔截了某些可見光，紅外光和紅外線激光的傳輸，並干擾了相機對眼睛和周圍關鍵面部信息的收集和檢測。由於缺少關鍵信息，面部檢測系統的識別率下降甚至失敗。此外，數據庫對新面部信息的正確記錄可能會受到干擾。基於主流監控攝像機的面部識別技術原理進行了研究和開發。
日本已經開發了一種具有近紅外LED燈的防面部識別眼鏡。光線對於人眼是不可見的，但在相機下卻非常明亮，因此面部識別軟件無法發揮作用。如果不考慮這種眼鏡的便利性和怪異性，那似乎是有效的。但是，如今，當這種透明眼鏡在可見光下時，2D攝像機的高清像素可以輕鬆檢測到眼鏡後面的眼睛信息。通過算法，可以成功收集面部信息。
眼科醫生和光學專家認為，光學玻璃是觀察世界的最佳媒介，其原因如下：
●在復雜的服務環境中性能最穩定；
●高抗劃傷性和機械應力；
●玻璃材料對環境的影響最小，可100％回收；
我們的眼鏡質量始於玻璃質量控制。僅使用最具創新性和高性能的材料（即鉑玻璃）。它是一種高質量的光學玻璃，它的名字來源於生產過程。添加了一些稱為稀土元素的礦物質，以增強對色彩和對比度的最佳感知。此外，通過鉑金工藝，進行精製以獲得無孔玻璃透鏡。這是世界知名的高端玻璃鏡片品牌所使用的工藝。我們為您提供相同的質量。
●通過面部識別，政治官員被路邊的隱藏式智能武器站確認並殺死。
●名人的私生活已公開，因為隱藏的相機可以識別出他們的臉。
●在購物中心，飯店，酒店，學校和音樂會的監控認可下，不道德地挖出並收集了個人隱私數據。
●當某人入睡時，他的手機會通過面部識別被同伴解鎖，並且他的信息會被任意知道。
●道路上的監控攝像頭可以拍攝汽車座椅上的隱私行為，並識別身份並將其公開在互聯網上。
●以黑名單嫌疑人身份被錯誤率高的人臉識別系統誤判，並被警察拘留。
●在公共場所，將裸露的面部信息以不道德的方式捕穫後，出售給非法機構。
●有人合法參加了反戰遊行，但是在警察的監控攝像機捕獲了他的面部信息後，他被錯誤地列入了極端主義者名單。
當用戶戴著口罩和太陽鏡時，常規訪問控制系統的面部識別AI無法操作。然而，訪問控制系統的識別是靜態和主動的協同識別，並且所收集的圖像具有高質量。這樣，更智能的系統算法可以快速進行深度學習，從而提高識別率。當我們第一次測試門禁系統的面部識別系統對隱私玻璃的響應時，屏幕上的綠色掃描框通常無法找到我們的面部位置。但是，當您戴上面部防護罩並經常在鏡頭前進行測試並使用智能算法欺騙高級系統時，系統也會通過這樣的機會進行深入學習，並可以快速掌握您的全面信息臉。同時，對於社區或公司人員的管理和檢查，先進的系統可以基於人體識別技術（ReID）來確認身份。身體識別技術並不完全依賴於面部識別，而是根據穿著，形狀，髮型和其他特徵進行識別。但是，在對安全性要求極高的應用場景中，例如在財務支付場景中，算法將根據口罩來判斷結果，並通過其他方式帶領面部遮蓋嚴重的人員進行身份驗證。
因此，建議佩戴了防臉部識別隱私眼鏡的用戶不應重複頻繁地測試或欺騙相同的識別系統。如果這種系統的算法很聰明，那麼當您挑戰系統時，與其他系統相比，您可能對系統更加熟悉。
●經過近30年的研究，在受控甚至可見光的條件下，傳統的人臉識別技術有了長足的發展。目前，它可以廣泛應用於軍事，金融，公共安全，日常生活等領域。然而，傳統的人臉識別技術包括整體方法，手工設計特徵方法和基於學習的特徵描述子方法。識別準確率緩慢提高，但一直未能達到理想的效果。大規模應用深度學習後，由於深度學習的引入和發展，人臉識別的準確率大大提高。2014年，LFW數據集中的DeepFace識別準確率首次超過了人類。隨著更多的研究和探索，LFW最新的深度學習人臉識別模型的準確率已超過99.8％。
●如今，許多研究集中在不受控制且不可見的光線條件下的異類面部識別。這是一個懸而未決的問題。異構面部識別是指跨不同視覺域的面部識別和匹配。它不僅涉及圖片，而且解決了不同視覺域之間的面部圖像間隙問題。與可見光條件下的傳統人臉識別相比，異構人臉識別充滿了嚴峻的挑戰。在現實世界中，它具有更大的重要性和價值。例如，在無法控制的照明條件下，圖像最好只能用紅外線拍攝。之後，將其與數據庫中的可見光面部匹配。或者，如果不可能準確地知道目標面部，則首先基於已知條件生成粗糙圖像。就像警察根據目擊者的描述繪製草圖，然後將其與真實面孔匹配一樣。
●由於異構人臉識別的重要性和價值以及嚴峻的挑戰，它變得越來越重要，並在人臉識別研究中引起了廣泛關注。該域過度依賴於通過紅外線拍攝的圖像。防臉識別眼鏡給它帶來了更大的挑戰。有趣的是，當新的面部檢測技術的VCSEL激光芯片技術開始應用時，反面部識別隱私眼鏡已經準備好抵抗這種新技術。