搜索

serach

搜索

搜索

访客配套产品

 

访客门禁类                                            访客车牌识别类

ZSKSD-802.NET双路门禁控制器            车牌识别一体机

ZSKSD-8802.NET身份证门禁控制器       直臂式道闸   

读卡器                                                   栅栏式道闸

机箱电源

阅读器

                                                                         

访客闸机类                                            访客梯控类

ZSKSD-Y04桥式斜角翼闸                       读卡器

ZSKSD-B04桥式斜角摆闸                       控制板

ZSKSD-B07豪华小摆闸                           机箱电源 

ZSKSD-S04电动桥式斜角三辊闸              

ZSKSD-ST01豪华伺服桥式速通门

ZSKSD-ST03豪华伺服圆柱速通门

ZSKSD-STM04豪华圆弧速通门

安卓类

X3安卓访客机

A-Q9S双屏安卓访客机

 

安卓类

A-R1人证一体机

A-R2人证一体机

A-R5人证车一体机

A-R6人证人脸一体机

A-R7人证人脸一体机

A-R8人证人脸一体机

A-R9人证车一体机

A-R11人证人脸一体机

A-R13人证人脸一体机

访客登记产品

 

WINDOWS类              

A4分体式访客系统       

A5单屏访客一体机       

A6分体式访客系统       

A7双屏访客一体机

A8单屏访客一体机

A9单屏访客一体机 

A9S-2双屛访客一体机

A10S-1双屏访客一体机

Q9S双屏访客一体机      

Z1自助访客一体机

Z2自助访客一体机

Z3双屏自助访客一体机

 

 

 Copyright©2018  广州市智升电子科技有限公司  粤ICP备12089195号  版权所有  

关于我们   |   成功案例   |   新闻中心   |   解决方案   |   联系方式

>
新闻详细

资讯分类

如何证明你真的是你?人脸识别的十大难点

浏览量
【摘要】:
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。尽管已有30多年的研发历史目前,但人脸识别产品仍然受光照、视角、遮挡、年龄等多方面因素的影响。

  人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。尽管已有30多年的研发历史目前,但人脸识别产品仍然受光照、视角、遮挡、年龄等多方面因素的影响。

1. 光照问题

光照变化是影响人脸识别性能的最关键因素,对该问题的解决程度关系着人脸识别实用化进程的成败。由于人脸的3D结构,光照投射出的阴影,会加强或减弱原有的人脸特征。尤其是在夜晚,由于光线不足造成的面部阴影会导致识别率的急剧下降,使得系统难以满足实用要求。

同时,理论和实验还证明同一个体因光照不同引起的差异,大于同一光照下不同个体之间的差异。光照问题是机器视觉中的老问题,在人脸识别中的表现尤为明显。解决光照问题的方案有三维图像人脸识别和热成像人脸识别。但这两种技术还远不成熟,识别效果不尽人意。

2. 姿态问题

 

人脸识别主要依据人的面部表象特征来进行,如何识别由姿态引起的面部变化就成了该技术的难点之一。姿态问题涉及头部在三维垂直坐标系中绕三个轴的旋转造成的面部变化,其中垂直于图像平面的两个方向的深度旋转会造成面部信息的部分缺失。使姿态问题成为人脸识别的一个技术难题。

针对姿态的研究相对比较的少,目前多数的人脸识别算法主要针列正面、准正面人脸图像,当发生俯仰或者左右侧而比较厉害的情况下,人脸识别算法的识别率也将会急剧下降。

3. 表情问题

 

面部幅度较大的哭、笑、愤怒等表情变化同样影像着面部识别的准确率。现有的技术对这些方面处理得还不错,论是张嘴还是做一些夸张的表情,计算机都可以通过三维建模和姿态表情校正的方法把它纠正出来。

比如上面这张图片里,上排是原始的图像,下排是通过图像处理(把表情进行校正)之后的图片——嘴巴合上了,姿态转成了正面。从人的视觉上看上去可能会觉得人脸变得比较怪异,但是计算机主要是通过面部区域进行识别的,所以校正后的识别率会得到非常明显的提升。

4. 遮挡问题

 

对于非配合情况下的人脸图像采集,遮挡问题是一个非常严重的问题。特别是在监控环境下,往往被监控对象都会带着眼镜、帽子等饰物,使得被采集出来的人脸图像有可能不完整,从而影响了后面的特征提取与识别,甚至会导致人脸检测算法的失效。

5. 年龄变化

随着年龄的变化,一个人从少年变成青年,变成老年,他的容貌可能会发生比较大的变化,从而导致识别率的下降。对于不同的年龄段,人脸识别算法的识别率也不同。这个问题最直接的例子就是身份证照片的识别,在我国身份证的有效期一般都是20年,这20年间每个人的容貌必然会发生相当大的变化,所有在识别上也同样存在很大的问题。

6. 人脸相似性

不同个体之间的区别不大,所有的人脸的结构都相似,甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的,但是对于利用人脸区分人类个体是不利的。

以模仿某个明星为目标的化妆、整容等人为因素加大了这个问题的难度。尤其是双胞胎的问题,人脸识别系统究竟能不能正确的识别出来,这个其实在学术界也是有争论的。有专家认为双胞胎根本不应该靠人脸识别技术进行分辨,它是没法用人脸识别技术来准确进行区分的。

7. 动态识别

 

非配合性人脸识别的情况下,运动导致面部图像模糊或摄像头对焦不正确都会严重影响面部识别的成功率。在地铁、高速公路卡口、车站卡口、超市反扒、边检等安保和监控识别的使用中,这种困难明显突出。

8. 人脸防伪

伪造人脸图像进行识别的主流欺骗手段是建立一个三维模型,或者是一些表情的嫁接。随着人脸防伪技术的完善、3D面部识别技术、摄像头等智能计算视觉技术的引入,伪造面部图像进行识别的成功率会大大降低

9. 图像质量问题

人脸图像的来源可能多种多样,由于采集设备的不同,得到的人脸图像质量也不一样,特别是对于那些低分辨率、噪声大、质量差的人脸图像(如手机摄像头拍摄的人脸图片、远程监控拍摄的图片等)如何进行有效地人脸识别是个需要关注的问题。同样的,对于高分辨图像对人脸识别算法的影响也需要进一步的研究。现在,我们在人脸识别时,一般采用的都是相同尺寸,清晰度很接近的人脸图片,所以图像质量问题基本可以解决,但是面对现实中更加复杂的问题,还需要继续优化处理。

10. 样本缺乏

基于统计学习的人脸识别算法是目前人脸识别领域中的主流算法,但是统计学习方法需要大量的训练。由于人脸图像在高维空间中的分布是一个不规则的流形分布,能得到的样本只是对人脸图像空间中的一个极小部分的采样,如何解决小样本下的统计学习问题有待进一步的研究。此外,现在参与训练的人脸图像库基本都是外国人的图像,有关中国人、亚洲人的人脸图像库少之又少,给训练人脸识别模型增加了难度。

目前人脸识别技术已广泛应用于金融、司法、安保、边检、航天、电力、教育、医疗等领域。尽管存在很多弊端,但随着智能计算视觉等相关技术的进一步完善和社会认同度的提高,人脸识别技术将应用到更多的领域。未来,它与其他生物识别技术的有效结合必将大大提高身份识别的准确度。

新闻中心

测温访客机、测温人脸识别机精准高效防控疫情.
广州不动产登记再提速 身份证等不需纸质材料
北京市开展动产担保统一登记系统试点
企业应该如何选择访客管理系统?
访客管理系统与护照阅读器
科世达智能化访客机有哪些优点?

解决方案

A9S-2访客登记-微信预约-人脸识别-车牌识别 整体解决方案
访客管理系统联动安卓人脸识别系统解决方案
访客管理系统联动人脸识别系统解决方案
访客管理系统联动微信预约解决方案
访客管理系统联动停车管理解决方案
访客管理系统联动电梯控制解决方案

产品中心

Z3双屏自助访客一体机

Z2自助访客一体机