人脸识别的应用模块,一般主要包括四个部分:人脸检测模块、特征点定位模块、特征点提取模块以及比对模块。
人脸检测模块的功能是,从一整张图片中识别出具体的人脸图像部分。当图片成像越清晰、人脸尺寸越大、人脸面向角度越正的时候,检测成功率会越高。在基于实时监控类的动态人脸识别场景下,人脸检测模块的处理能力需达到每秒处理20桢图片,才能保证实时经过的人员可以被有效的识别出来。
特征点定位模块的功能是,在一张人脸图片中,找到五官及脸颊轮廓等面部特征的具体位置点。特征点定位是从人脸图像转化为面部特征数据的第一阶段,将人脸分解为多个特征点,为后续数据提取做准备。
特征点提取模块的功能是,从已定位的特征点中,将该特征点由平面图片中提取为具体的数据。比如已提取到两眼的特征点,就可以计算出两眼间距;提取到面部轮廓和鼻尖的特征点,则可以计算出鼻尖高度。将多个计算结果形成具体数据存储,就是获取到的单张人脸基础数据。
人脸比对模块的功能是,将获取到的人脸数据与已知的人脸数据进行比对,由于人脸数据存在多个维度的值,需基于匹配算法进行相似度计算。当相似度超过设定的阈值时,可以认为是同一个人,完成比对。
1对N识别中,系统录入非特定人员的人脸数据,在系统中进行识别,此类场景包括公司刷脸考勤、重要场合安检放行等。在车险理赔场景中,经常会发生团伙作案故意制造事故骗赔的案件。作案人多抓住受害方违章行驶时机,对目标车辆进行主动碰撞,使对方在事故中负全部责任,进而获取保险公司赔偿。当此类案件赔付额小于2000元时,保险公司往往适用快速理赔流程,不安排现场勘查,这给了作案人反复肇事骗赔的可乘之机。若采用人脸识别技术,当发生碰撞事故时,可以要求被保险人对碰撞车辆及无责方车主进行拍照留底,将车辆及车主数据上传至保险公司影像平台,将无责方人脸图像转化为数据存储。当有人故意多次肇事时,理赔系统就可以依据人脸识别技术,将连续多次出险的人员识别出来,进一步核实是否故意肇事骗赔,从而有效的降低风险。
1对1匹配模式,主要在身份辅助认证方面较为广泛应用,典型场景如国家司法考试时,将被扫人的人脸识别数据与身份证上照片进行比对,确保人证一致,防止不法分子冒用他人证件信息。
在移动金融领域,平安借贷、借贷宝等个人APP也采用该方案,使用手机摄像头采集用户人脸数据后与其上传的身份证照片进行比对,以保证借贷人与持证人一致,确保发放至本人手中。在保险业务实际场景中,现阶段在投保出单环节客户仍需签字确认,以保证是基于投保人本人意愿出单。如采用人脸识别技术,在投保单生成后,要求客户上传身份证再进行人脸拍摄识别,理论上同样可以确认是基于投保人本人意愿出单,免去投保单签字环节。
目前,市面上存在一套开源的人脸识别引擎,是由中科院计算所的研究人员研发的SeetaFace人脸识别引擎,该引擎基于C++编写,不依赖任何第三方的库函数实现。该套引擎在面部特征点提取过程中简化了提取数量,使用5个面部关键特征点:两眼瞳孔中心,鼻尖和两个嘴角进行提取比对。在LFW测试中,该套引擎识别精度达到97.1%,可满足一般性使用需求。在公司系统中,通过完善影像平台、人保APP等系统,增加身份证图片上传、人脸拍摄等应用模块,即可设计出理赔人脸识别和出单人脸识别的整体解决方案。
欧洲杯app排行榜前十名Precise Biometrics为高通Sonic 3D指纹识别提供软件
BioMatch Mobile指纹生物识别解决方案专为智能手机和平板电脑而设计... Read more