对于人脸识别,在实际应用中感觉很多人要么不信任,要么想像的太完美了。

人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来,它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提,与其它类型的生物识别比较人脸识别具有如下特点:
非强制性:用户不需要专门配合人脸采集设备,几乎可以在无意识的状态下就可获取人脸图像,这样的取样方式没有“强制性”;
非接触性:用户不需要和设备直接接触就能获取人脸图像;
并发性:在实际应用场景下可以进行多个人脸的分拣、判断及识别;
除此之外,还符合视觉特性:“以貌识人”的特性,以及操作简单、结果直观、隐蔽性好等特点。
早前的时候,算法主要靠算力,堆配置,什么E3,i7都用上了,采用在视频流里取图的方式。那时的人脸识别还算比较神秘,一个设备动不动就几万、十来万。应用场景一般以公安、重点防控区域应用为主,渐渐地,随着几个头部公司的兴起。技术日渐成熟,特别是国外的几个优秀算法的开源,各类大小公司都开始进入这个领域。
到目前为止,合适的方案(摄像头+ARM主板+算法)。最便宜的解决方案应用,应该算在办公场所的人脸识别考勤应用。
_20190418143208.jpg
人脸识别比对在应用模式上一般分1:1、1:N、N:N
1、1:1 身份验证模式本质上是计算机对当前人脸与人像数据库进行快速人脸比对并得出是否匹配的过程,可以简单理解为证明你就是你。“刷脸”登机、验票、支付都属于1:1的人证核验!
2、1:N 则是在海量的人像数据库中找出当前用户的人脸数据并进行匹配。打拐、曝光闯红灯者则属于1:N人脸识别,即从N个人脸中找出1个目标。
3、N:N 是通过计算机对场景内所有人进行面部识别并与人像数据库进行比对的过程,是动态人脸比对,能充分应用于多种场景,例如公共安防,迎宾,机器人应用等。
在做社区人脸识别项目时,一般就是采用N:N的方案。这个场景中,因为涉及到开门的及时性与图像对比库的大小问题,就只有在速度与准确度上确定一个临界的平衡点。
比如很多人在问:双胞胎是否能够准备识别的问题。其实在社区场景的应用中,双胞胎是无法被准确区分,因为社区大门是半公开的场合,连非双胞胎都有一定的错识率存在。
参与过的商业化应用里程碑项目:
1、应该算重庆最早的应用人脸识别门禁的智慧社区项目(位于渝中区)
2、应该算重庆最早应用人脸识别领红包的商业步行街项目(位于九龙坡区)

标签: 人脸识别, 智慧社区

仅有一条评论

  1. 听不懂....

评论已关闭