IT评测·应用市场-qidao123.com

标题: 人脸辨认系统架构 [打印本页]

作者: 半亩花草 时间: 2024-8-18 15:58
标题: 人脸辨认系统架构
目录
1. 系统架构
1.1 采集子系统
1.2 解析子系统
1.3 存储子系统
1.4 比对子系统
1.5 决议子系统
1.6 管理子系统
1.7 应用开放接口
2. 业务流程
2.1 人脸注册
2.2 人脸验证
2.2.1 作用
2.2.2 特点
2.2.3 应用场景
2.3 人脸辨识
2.3.1 作用
2.3.2 特点
2.3.3 应用场景
3. 技能方案
3.1 当地离线方案
3.2 云端服务方案
4. 技能局限
4.1 相似脸较难明决
4.2 算法偏见问题
4.3 算法鲁棒性及性能问题
4.4 年龄变化的影响
4.5 安全性问题
4.6 工程落地问题
5. 标准下载

1. 系统架构

《GB∕T 41772-2022 信息技能生物特性辨认人脸辨认系统技能要求》界说人脸辨认系统由采集子系统、解析子系统、存储子系统、比对子系统、决议子系统、管理子系统以及应用开放接口等构成，其系统架构下图所示。

1.1 采集子系统

          用于人脸图像或视频的采集，包罗人脸采集设备以及执行人脸采集过程所需的任何子过程。
1.2 解析子系统

          用于人脸图像或视频的处理，包罗人脸检测、质量判断、特性提取、人脸跟踪、属性检测、活体检测等。
1.3 存储子系统

          用于人脸注册数据及实时采集数据的存储，包罗：

人脸注册数据库：用于注册数据的存储。
实时采集数据库：用于采集数据的存储。

1.4 比对子系统

包罗两种模式：

人脸验证模式：现场人脸与指定的存储人脸举行比对（1:1比对），输出一个相似度得分；
人脸辨识模式：现场人脸与部门或全部的存储人脸举行比对（1:N比对），输出多个相似度得分，并根据相似度得分举行排序。

1.5 决议子系统

根据一个或多个相似度得分，对人脸辨认提供决议结果，包罗两种模式：

人脸验证模式：当相似度得分超过指定的阈值时，现场人脸和存储人脸匹配；
人脸辨识模式：当相似度得分超过指定的阈值时，对应的存储人脸构成了与现场人脸匹配的潜在候选者。

1.6 管理子系统

管理人脸辨认系统的总体策略、执行和应用，包罗但不限于：

设置阈值：例如样本质量阈值，相似度阈值，活体检测阈值等；
日志管理：日志生成、查询和导出等；
权限管理：设置不同脚色的操作权限等；
接口设置：设置人脸辨认系统的视图采集子系统等；
用户管理：存储或删除用户的人脸等注册信息；
其他管理：控制工作环境和非生物特性数据的存储、在视图采集时或采集后向用户提供反馈信息、与人脸辨认应用举行交互管理等。

1.7 应用开放接口

人脸辨认系统与人脸辨认应用之间的接口，包罗人脸注册接口、人脸验证接口、人脸辨识接口、活体检测接口等。
2. 业务流程

人脸辨认系统的焦点业务流程包罗人脸注册、人脸验证、人脸辨识等。
2.1 人脸注册

启动人脸注册过程；
根据人脸注册策略，采集用户数据，例如用户根本信息、人脸图像等；
解析子系统对采集的视图举行解析，例如质量判断和活体检测等；
将该用户的数据记载存储在人脸注册数据库；
竣事注册过程，记载日志。

2.2 人脸验证

启动人脸验证过程；
读取身份证件中的人脸信息；
采集人脸图像或视频；
将现场人脸与身份证件中的人脸举行比对；
依据系统策略及相似度得分，对人脸验证提供决议结果；
将决议结果传输到人脸验证应用；
竣事验证过程，记载日志。

2.2.1 作用

证明你是你。
2.2.2 特点

匹配的特性集少
查验准确率稳定
依赖身份证件（身份证、护照、会员卡等）验证身份

2.2.3 应用场景

适用于车站、机场、大型运动、机关单位、银行、酒店、网吧等职员流动频繁场合或其它重点场合中，以及线上开户，收支职员身份验证，核查职员真实身份。。

2.3 人脸辨识

启动人脸辨识过程；
采集人脸图像或视频；
将现场人脸与一个或多个存储人脸举行比对；
依据系统策略及相似度得分，对人脸辨识提供决议结果；
将决议结果传输到人脸辨识应用；
竣事辨识过程，记载日志。

2.3.1 作用

辨识你是谁。
2.3.2 特点

不依赖身份证件信息（身份证、护照、会员卡等）
误识率会随着人脸底库的增长而升高

2.3.3 应用场景

适用于社区、楼宇、工地、学校等较大规模的人脸考勤签到、人脸通行等应用场景，人脸注册到底库，检测到人脸后从人脸底库中检索出谁是谁。

3. 技能方案

3.1 当地离线方案

3.2 云端服务方案

设备端负责数据采集，服务端负责人脸辨认，根据不同的应用场景，有三种不同的实施方案如下：

4. 技能局限

        人脸辨认技能由于相似脸、年龄、算法偏见、面对的场景多样化以及人脸图像更易公开获取等原因，技能本身也面对着肯定的局限性。
4.1 相似脸较难明决

        双胞胎大概长相很相近的人脸轻易辨认错误，而该问题在现在暂时没有新技能能完全办理。大部门环境下双胞胎仍能区分分数高低，但是往往都在阈值之上，在开放环境下应用结果较差。
4.2 算法偏见问题

        由于当前人脸辨认算法很大程度依赖于数据样本，但是不同人群的人脸数据样本存在差异，这导致了算法对不同地区、不同年龄人群的辨认能力有差异。比如，小孩子，老年人以及其他很少出现的人种大概肤色的人脸辨认率相对较低，该问题亟需办理。
4.3 算法鲁棒性及性能问题

        现有的人脸辨认系统在用户共同、采集条件比较理想的环境下可以取得令人满足的结果。但是，在用户不共同、采集条件不理想的环境下，比如非限制条件下捕捉的人脸图像，远间隔多姿态低像素拍摄的人脸图像，动态视频、模糊、低质量的人脸图像，会影响现有系统的辨认率。另外戴口罩环境下大部门算法的错误率会进步 1 个数目级以上。
4.4 年龄变化的影响

        随着年龄的变化，面部外观也会变化，特殊是对于青少年，这种变化更加明显。对于不同的年龄段，人脸辨认算法的辨认率也不同。
4.5 安全性问题

        人脸辨认系统信息存储同样谋面对黑客的攻击，所以对数据加密很重要。随着技能的不断提拔，人脸辨认技能在安全性上必要增强。
4.6 工程落地问题

        如何公道安装摄像头的⻆度、高度以及降低光线干扰，如何提拔用户体验。
5. 标准下载

《GB ∕ T 41772-2022 信息技能生物特性辨认人脸辨认系统技能要求》

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

欢迎光临 IT评测·应用市场-qidao123.com (https://dis.qidao123.com/)