用于門禁考勤和刷臉支付上的人臉識別設備有什么差別？
來源：本站 | 作者:admin | 發表于：2019-09-06 | 瀏覽次數：4674
隨著人臉識別技術的進一步成熟以及社會認同感的提高，人臉識別在各個領域中的應用逐漸成為剛需。隨著近兩年的深入探索，人臉識別算法攻破了技術和安全上的重重難關，人臉識別設備的應用場景從起初的門禁安防、訪客考勤和身份核驗等簡單的應用，一直延伸到移動支付、教育金融、司法、軍隊、公安、邊檢、政府、航天、電力、工廠、醫療及眾多企事業單位等領域。其中刷臉支付在今年顯得特別火熱！同樣作為人臉識別設備，為什么有些只能用于門禁考勤、有些可作為刷臉支付呢？
一般來說，對身份驗證不太嚴格的人臉識別終端設備所使用的大多數為2D人臉識別，如學校、公司考勤等；而對于身份驗證比較嚴格的則采用3D識別，主要應用3D結構光、TOF等人臉攝像頭，測定眼間距，鼻子高低等立體人臉信息，如金融業務、移動支付等。在實際應用中，我們要解決驗證用戶是否為真實活體本人操作，可有效抵御照片、換臉、面具、遮擋以及屏幕翻拍等常見的攻擊手段，從而幫助用戶甄別欺詐行為，保障用戶的利益。從實現方式上可以采用RGB單目活體檢測、IR活體檢測以及采用深度信息的活體檢測，每種技術方式對應的應用場景也會有所差異。
1:1模式——主要應用于一對一的身份識別場景，例如刷臉支付、酒店入住、考試身份核驗、人證對比等。用戶站在人臉識別終端前，過程中要站著不動幾秒（靜態識別），再通過人臉識別攝像頭進行身份校驗，以此證明“你是你”。由于如刷臉支付、酒店入住登記、考試身份核驗、人證對比這些需要實名制的應用場景，搞錯一個人都可能帶來風險，一般要求識別準確度要達到99%以上，以保障身份精準對應。
1:N模式——主要應用于一對多的人臉識別場景，是從N張人臉中找出要找的人，以此找出“你是誰”。公司企業的刷臉考勤，同樣是通過人臉識別設備，從公司內部的人臉數據庫中自主查找，判定你是否公司員工，才能開門放行。又例如公安部門要從人流密集的地方找出記錄在數據庫的逃犯，需要通過從人臉數據庫的大量信息中篩選出匹配的人。這類模式比較考驗人像數據庫的容量大小，準確率會比1:1模式要稍低5%-10%。
M:N模式——這里M可以理解為一個數據庫。M:N模式多應用在一些人流量大、需要保障公共安全的地方。如火車站、演唱會、大型體育賽事中，進行這類人臉識別時，通常被識別的主體不會停留在一處，而且處于運動狀態（如火車高鐵站行色匆匆的旅客），屬于動態識別，容易受側臉、光線、距離等影響準確度，準確度是三種模式中最低。面對數據量大的人臉識別場景，可能還需要經過人臉識別終端進行邊緣計算，減輕數據庫后臺的負擔。
