6号彩票网站


行业新闻


人脸识别的精度与高安全应用的矛盾需要完善的方案

作者:创通宝 来源:创通宝 发表时间: 2019-02-18 15:05 浏览次数:

人脸本身并不是天然具备将其数字化的方法, 东莞安防 公司称当代的深度学习通过建立模型和训练,模拟了人类记忆和识别人脸的方法。 约克大学的Rob Jenkins博士曾经做过一个专门的研究,第一次确定了人类可以记住的面孔数量一一平均达到惊人的5000张脸,不同的

人脸本身并不是天然具备将其数字化的方法,东莞安防公司称当代的深度学习通过建立模型和训练,模拟了人类记忆和识别人脸的方法。
       约克大学的Rob Jenkins博士曾经做过一个专门的研究,第一次确定了人类可以记住的面孔数量一一平均达到惊人的5000张脸,不同的人记录的人脸数量分布在1000到10000之间。对于人类而已,上万张人脸的记忆,已经是绝大多数人类的极限了。
    计算机科学,把所有事物转化为二进制进行记录,对于人脸通过建模,也是针对每一张人脸进行记录,经历模型的升级、样本的训练,可以逐步提升计算机认识人脸的水平,但是,受着模型、芯片和样本的限制,从几百张人脸的识别到几万张人脸的准确识别,基于目前的水平,很难持续快速的发展。
       与之矛盾的是,在人脸识别的持续热度下,更多大库容、高精度要求的领域开始呼唤人脸识别技术的融入。
       地铁刷脸乘车就是一个典型的案例。
       深圳地铁,通过本地APP的注册人数约661万人,其中每天约有100万人次的使用量。假定目前顶级的人脸识别算法,对于万人脸库的识别准确率有99.5%,那么,如果采用人脸识别来实现扣费乘车,那每天都有数万人被识别错误,是一场灾难。如果解决这个问题?先来认清刷脸乘车的核心需求,是希望采用人脸识别技术,提高效率,提升安全性,减少高峰期的拥堵。
       如果直接面对661万注册人员,那么,任何人都会觉得茫然。需要分解。
       第一,地铁内会出现哪几类人?
      东莞机房建设公司表示 首先是工作人员,每个站内少量的本地工作人员,加上总公司的轮岗人员,总人数不搞错千人;    然后是65岁以上人群,不需要买票,只需要通过刷身份证和人脸,完成年龄核验和本人核验;
       接着对普通乘客,可分为通勤乘客和单次乘客。
       对于单次乘客,可提前通过身份证与支付宝的绑定,采用人证比对核验过闸,信用支付;
       对于通勤乘客,通过设定特定的通勤时间和通勤站点,完成通勤人员刷脸过闸。
       综上,如果提高通勤乘客的使用体验和效率是目前可以处理的重点。
       第二,通勤乘客的人脸识别如何控制识别精度;
       由于地铁不同站点的特点,其客流量差异较大。我们假定一个两个地铁中转站,进站客流和出站客流日均在5万人次。
       有几种方法进行进一步的分流:
       有效时段预约法;
       通勤人员一般具有规律的上下班时间,通过限定有效的通行时间,可大幅度减少同一时段内的人员底库数量;
       人口编号通行法;
       对于大型站点,人流量极大的,可以在一排闸机上编号,对于预约通道区分单号和双号,进一步把人员库数量减半;
       进出站点匹配法;
       不管如何,如果做单次识别就确认信用支付,那么一次误识就会导致支付异常;然而,通过进、出站点的匹配,做双重校验,原本l‰的误识,就变成了百万分之一,可极大幅度减少支付异常;单次识别错误导致的收费损失,需要不断的算法优化提升;
       预约名额限定法;
       最后一招,根据运营的情况,结合实际的预约人数,为了将错误识别控制在一定比例之下,可通过名额限制预约人数,确保识别率。
       第三刷脸记录留存3个月,可确保异常支付数据随时可查询和回溯。
       东莞综合布线表示本文只是通过问题分解,描述了一种地铁刷脸应用的可行性。不代表任何已运行的地铁应用方式。通过行业理解,把大批量人员分解为小批量,把大库容分解为小库容,用综合解决方案把不可能变为可能。