关于面部识别的那些事儿
对于视频监控系统AI,看上去是AI,实际上最后是大数据,大数据才是智能化的基础。高性能计算、深度学习、机器学习、大数据应用在安防AI中,说到底都是对大数据的采集、建模和应用。
什么是面部识别?
面部识别是一种计算机视觉技术,可以从图像或现实中技日描并识别人脸。它将人脸与计算机化的蓝图进行比较,以证明该人的与身份。它主要用于视频监控和身份验证软件,以验证身份并保护场所。
面部识别如何工作
假设你要去工作。当您完成入职培训时,您会拍摄照片并将其存储在公司的图像数据库中。除了员工徽章之外,您的公司还使用面部识别来提高安全性。面部识别解释和测量您的面部特征,并遵循机器学习和深度学习技术,使计算机了解面部的构成方式。一旦你工作的计算机注册了你的面部矢量,它就会在照片数据库中搜索你的匹配项。面部识别技术(FRT)大致可以分为三类。
人脸检测
在旅程的第一站,计算机必须从图像中的多张面孔中检测出特定的面孔。完成后,将分析其他特征,例如纹理、姿势和照明。 Viola-Jones 算法、定向梯度直方图 (HOGG)、循环卷积神经网络 (R-CNN) 和 You Only Look Once (YOLO) 等深度学习算法可以检测正面和侧面轮廓的数据。
人脸识别
一旦你的系统扫描了一张脸,它就会将其与底层识别数据进行比较。这可以通过多种方式实现,但最新的方法是将模拟面部数据转换为数字信号。计算机接受这些数字信号并将它们与存储的模板进行匹配。此过程也称为模板匹配。一旦发现匹配,系统就会触发“识别成功”的警报。
面部分析与假设
为了完成面部识别,系统必须确保排除其他选项。计算机视觉系统计算面部的“节点”。它测量眼窝的深度、嘴唇的长度、颧骨等。相对节点距离的分布创建了粗略的蓝图或面图。它与模型数据库相匹配,模型数据库包含数百万张脸纹。
面部识别技术的用途
随着企业继续优先考虑安全性,对 FRT 的需求也在增加。用面部识别代替传统的设施维护,确保员工和客人的安全。现在是软件购买者分析如何使用 FRT 解决方案的时候了。
摄像头监控
可以在间谍摄像头或小型摄像头上设置面部识别,以记录陈列室中的条目和存在并验证消费者。它可以在办公室安全系统中实施,以检测场所内的可疑走动。
执法机构
面部识别技术可以防止人们违反执法机构为在线市场制定的某些法律。
边境控制和保护
一些国家(如澳大利亚和加拿大)的海关和移民部门使用面部识别来确保旅客身份,优化机场的传统海关流程,并更快地通关。
无人机和空中探测
嵌入面部识别功能的无人机可以发现恐怖分子或逃避现实者的行踪,并为警察部门识别他们的身份。
寻找失踪人员
面部识别可以在特定城市的小巷中找到失踪人员的踪迹。它可以插入相机或其他电子设备中,供搜索方完成搜索操作。
识别贩运活动
面部识别可以揭示因性贩运而遭到破坏的受害者的困扰面孔。
犯罪调查
面部识别通过将潜在犯罪分子的面部与任何地点或地区的犯罪分子数据库进行比较来识别潜在犯罪分子。
太平间事务
面部识别系统帮助法医在战争爆发期间识别死去的士兵。该系统将死者的面孔与参加战斗的士兵名单进行匹配。
医疗保健分析
面部识别只需扫描患者的面部即可识别患者的历史记录。鉴于他们经历过痛苦的治疗历史,它可以帮助医生减轻切口和手术的影响。
零售和银行业
零售商店在自助终端中使用面部识别技术进行非接触式购物和支付。在银行业,面部识别是开立银行账户或注册贷款的 KYC(了解你的客户)验证流程的重要组成部分。
面部识别的挑战
考虑到算法产生的偏差程度,面部识别存在几个大问号。下面列出了阻碍其在全球范围内采用的一些挑战。
照明和姿势变化
如果将图像设置为不同的照明或背景,则可能会返回误报。系统将无法检测到除其所理解的配置、光线或颜色之外的任何其他配置、光线或颜色的面部。一些大型深度学习系统可以解决这个问题,只要它们具有较高的图形计算能力。
道德
有缺陷和不道德的人脸识别系统导致了严重错误。多起冤狱无辜案件牵连其中。这些事件发生后,微软、IBM 和亚马逊等科技巨头已不再强调其面部识别服务,直至另行通知。
克隆
创建用户克隆是破解面部识别系统的一种简单方法。攻击者可以出于犯罪目的伪造人类指纹或掩盖面部特征。
低分辨率
低于16x16像素的图像无法捕捉人脸的本质。像这样的低分辨率相机在超市中很常见。
模型复杂性
现有的面部识别系统依赖于难以理解的卷积神经网络网络。为了使过程更容易、更具体,模型简化是必要的。
衰老
面部识别系统还不够先进,无法根据年龄和纹理等因素对面部进行分类。
人脸识别算法
面部识别算法检测直线配置的面部。如果脸部稍微倾斜或侧向,算法将无法执行。但现在,算法可以检测经过相机的面部和物体。时代已经从手动计算面部点,发展到近乎完美的准确度自动匹配。一些最广泛部署的面部识别算法是:
主成分分析
主成分分析是一种在输入数据集较少的情况下对人脸进行分类的统计方法,可将您的人脸与常见的特征脸(解剖和正交器官的矩阵)模型进行比较。输入的人脸被投影到这个特征脸上,并计算两个人脸之间的差异。结果证实了人脸的存在。
独立成分分析
通过该算法,可以计算图像的所有元素,并与两种不同架构下的面部识别技术 (FERET) 数据库进行比较。图像被视为随机变量和像素的线性混合。还生成一个独特的阶乘面部代码。分类器结合这两种不同的方法来提供最佳的面部检测。
线性判别分析
这使得训练图像在子空间中进行投影。这些投影被称为“费舍尔面”,该空间被称为“费舍尔空间”。完成投影后,该算法将使用k 最近邻算法 来识别面部并将其与输入进行匹配。
弹性束图匹配
比eigenface稍有改进;该算法揭示了面部的其他细节而不是正交特征。在此算法中,面部被下采样为统计点并映射在图表上。该图有 40 个位于基准点的节点。这些节点被称为“射流”,包含近 40 个 Gabor 小波系数。Gabor 小波系数提取人脸的边缘、纹理、频率或位置。这些数据使算法能够更快地识别人脸。该算法可以处理大型图像库和姿势变化。
费舍尔菲斯
Fisherfaces 可以帮助您根据落在脸上的光线的亮度来区分脸部。与特征脸一样,它将输入脸部的特征与预先存在的脸部模型进行映射。因为它考虑了光,所以分类过程变得更好更快。它还可以理解笑、哭或皱眉等面部表情。
热红外成像
它用于在弱光条件或夜间模式下检测人脸。它可以识别血流、肤色和其他决定因素来做出决定。它在 DSLR 相机或最新版本的 iPhone 中很受欢迎。
尽管面部识别算法正在席卷各大排行榜,但仍有一些缺陷必须解决。
面部识别常见问题
人脸识别是否使用了AI?
高性能计算用于面部识别系统的原型设计阶段。主要技术帮助计算机学习和解释人脸的模式。高性能计算软件接受实时数据并将其与存储的数据进行比较以找到完全匹配的数据。
人脸识别的准确率如何?
人脸识别系统的默认率为+0.37%,这意味着准确率高达99.63%。ID 验证或 KYC 验证算法已经达到了这种准确度的顶峰。美国国家标准技术研究院的面部识别供应商(FRVT)测试已经证实了面部识别算法的准确性。
人脸识别的标准是什么?
面部识别将实时图像数据与参考数据库进行比较。它可以识别面部特征,例如下巴线、苹果肌、眼窝或眼睛焦点。使用这些数据,它可以计算相对距离来构建面部指纹并识别个人。
企业使用面部识别有什么顾虑吗?
图像数据非常敏感,需要保护其免受病毒或黑客的侵害。人脸识别系统容易遭受不道德的黑客攻击、数据盗窃或泄露。由于这种威胁,用例应该受到限制。用例可以是边境保护、安全检查等。
一张值得记住的脸
随着安全和加密越来越受到关注,面部识别成为焦点。人类面部表情、情绪和血液流动的复杂性很难解读和复制。面部识别几乎没有犯错的余地,有可能拯救世界。您的机器经过训练可以解释和识别面孔、单词和人类触摸。很快,他们就会像您的朋友或家人一样与您互动。
相关文章推荐
邮箱地址
-
Cat5e、Cat6、Cat6a和Cat7网线有什么区别?哪个更好?
2020年08月21日
-
一文带你了解SFP、SFP+、SFP28、QSFP+和QSFP28之间的区别
2024年04月13日
-
OM1、OM2、OM3、OM4和OM5多模光纤有什么区别?
2021年11月24日
-
SFP端口是什么?有什么作用?可以接RJ45吗?
2020年09月15日
-
QSFP-DD封装有何优势?800G光模块是否会沿用QSFP-DD封装?
2020年10月16日