首頁行業資訊 人臉識別技術及其應用

人臉識別技術及其應用

超级快速赛车 www.zqsoq.icu 人臉識別的三種模式
 人臉識別的三種應用模式:1:1 身份驗證模式本質上是計算機對當前人臉與人像數據庫進行快速比對并得出是否匹配的過程,可以簡單理解為證明你就是你。1:N 則是在海量的人像數據庫中找出當前用戶的人臉數據并進行匹配。M:N 是通過計算機對場景內所有人進行面部識別并與人像數據庫進行比對的過程。M:N作為一種動態人臉比對,其使用率非常高,能充分應用于多種場景,例如公共安防,迎賓,機器人(300024)應用等。

人臉識別的主要商業應用場景包括安防、門禁、新零售以及人證合一等領域:安防領域,隨著智能安防概念的深入逐漸產生前端攝像頭與后端處理的智能識別分析需求;智能門禁系統是人臉識別在商業領域中最早的應用載體之一,其中人臉識別門禁系統對于其他生物識別門禁系統的優勢在于:自然性、非強制性、非接觸性和智能數據輸出;智能迎賓系統基于動態捕捉與非配合式人臉識別技術,與門禁聯動,并結合后臺管理系統可實現快速,準確識別賓客身份,訪客邀約,訪客登記,訪客數據統計,訪客查詢等功能;人臉識別也是AmazonGo所代表的新零售應用場景的關鍵技術;此外,人證合一產品將身份證識別與人臉識別技術結合在一起,市場需求旺盛。

人臉識別目前的盈利模式以to B為主。目前來說人臉識別企業的主要盈利模式包括企業級技術服務和軟硬件銷售。國內以商湯科技、曠視科技為代表的深度學習企業,以B2B2C的商業模式,與各行業領軍企業合作,共同推進人臉識別在各行業的應用和變現。他們向B端輸出技術能力,以分成、按 License 收費、按技術使用次數收費等模式,綁定B端服務于C端客戶的業務增長,并借助B端的行業資源打開市場。

人臉識別已在多個上市公司核心業務中實現商業化落地。人臉識別技術已經成功應用到以安防行業為代表的多個行業,并且進入多個上市公司的核心業務和核心產品體系中。不但大幅提升了各個公司原有業務的運營效率,更創造了多個前景廣闊的增量市場。以安防行業為例,主要商業模式為三種:1、為安防廠商提供視頻結構化、人臉布控、人臉搜索、車輛識別、人群分析等軟硬一體形態提供定制化GPU、智能攝像頭等一體化解決方案,按照處理的監控視頻路數收費;2、將人臉識別功能融入身份識別產品、過關閘機、柜臺產品等,以產品化的形態通過行業渠道銷售盈利;3、與傳統安防廠商合作,通過其渠道共同中標平安城市、智慧城市等大型項目,通過項目形式盈利。

一、人臉識別的三種模式

1.1 人臉識別的1:1模式

1:1身份驗證模式本質上是計算機對當前人臉與人像數據庫進行快速比對并得出是否匹配的過程,可以簡單理解為證明你就是你。1:1作為一種靜態比對,在泛金融的核身、信息安全領域中潛在的商用價值巨大。例如在機場安檢中持卡人樣貌與身份證信息匹配的過程就是典型的1:1場景。然而人眼辨別率只達到95%左右,并會受到外部環境影響,所以機場安檢人員通過換班來保證識別的準確率。人臉識別技術的出現解決了人工識別的弊端,并能充分應用于考試考生身份的審核、酒店入住辦理,火車站人票合一認證,移動端支付等任何需要實名制等場景。

1.2 人臉識別的1:N模式

1:N則是在海量的人像數據庫中找出當前用戶的人臉數據并進行匹配。1:N具有動態比對與非配合的特點,動態對比是指通過對動態視頻流的截取來獲得人臉數據并進一步比對的過程,而非配合性是識別過程非強制性與高效性的表現,識別對象無需到特定位置便能完成識別工作。由于這兩個特性使1:N身份認證模式能迅速落地于公共安全管理與VIP客戶人臉識別等場景,但其難度要遠高于靜態1:1,因為機器面臨著曝光過度、逆光、側臉、遠距離等挑戰。

1.3 人臉識別的M:N模式

M:N 是通過計算機對場景內所有人進行面部識別并與人像數據庫進行比對的過程。M:N作為一種動態人臉比對,其使用率非常高,能充分應用于多種場景,例如公共安防,迎賓,機器人應用等。但是M:N模式仍存在很大的弊端,因為其必須依靠海量的人臉數據庫才能運行,并且由于識別基數過大,設備分辨率不足等因素,使M:N模式會產生很高的錯誤率從而影響識別結果。

人臉識別技術的成熟雖然能代替一部分勞動力,但仍不能作為唯一的驗證方式,其更需要與人工識別相結合從而進行精準判斷。例如,在受到外部環境干擾下,人臉識別技術會產生錯誤數據,這時就需要人工協助,共同完成識別確認過程;又或者在企業應用中,具有較高機密需求的場所可以采用人臉識別和刷卡的雙重認證來進一步確保安全性。

二、人臉識別的主要商業應用場景

2.1 安防行業

安防行業應用空間廣闊。我國安防行業規模由“十一五”末的2300億元增長至”十二五“末的5000億元,增速高達18%。國內安防市場增速遠高于全球,預計2017年將達到6540萬元,其中視頻監控作為平安城市建設的重要環節,將是人臉識別最具價值的應用場景之一。

視頻監控智能化迫在眉睫。隨著攝像頭數量的急速增加與攝像頭網絡化進程持續推進,產生海量的視頻數據并已遠遠超出監控者的管理范圍,視頻監控智能化越來越急迫。智能化管理則是將人工智能引入視頻監控中,使其具備自動整理與分類的功能,將數據結構化處理,并使處理后的結構性數據能大規模被用于檢索,分析與統計中,最終通過針對性深度挖掘使其成為有意義的情報數據。

在深度學習技術推動下,人臉識別技術可以同時具備識別人物屬性和身份的能力。在深度學習推動下,人臉識別可以實現任意臉部遮擋及視角下的實時檢測,一次性克服了人臉檢測中的幾項難題:側臉、半遮擋、模糊人臉,極大提升了各種現實情況中的人臉檢出效果。同時可以識別性別、年齡、表情及多種臉部生理特征,不僅可以準確識別照片中人物的性別和年齡,也提供表情、顏值(美貌指數)、戴眼鏡、化濃妝、涂口紅、戴帽子、頭發顏色、胡須樣式等超過 40 種屬性,平均準確率超過 90%,年齡預測平均誤差小于3歲。

視頻監控領域可以實現多個場景人的行為以及車輛識別?;諫疃妊暗男腥思觳饉惴芄輝詬骼嗾詰駁那榭魷戮氛頁魴腥宋恢?,并能夠進一步分析行人姿態和動作,可應用于交通監控、輔助駕駛、無人駕駛等??梢栽諦諧黨【?、交通監控場景、卡口場景中檢測多種不同角度的車輛,并同時給出車牌號碼、汽車品牌、型號、顏色等物理特征。

視頻監控領域可以實現多個場景人的行為以及車輛識別?;諫疃妊暗男腥思觳饉惴芄輝詬骼嗾詰駁那榭魷戮氛頁魴腥宋恢?,并能夠進一步分析行人姿態和動作,可應用于交通監控、輔助駕駛、無人駕駛等??梢栽諦諧黨【?、交通監控場景、卡口場景中檢測多種不同角度的車輛,并同時給出車牌號碼、汽車品牌、型號、顏色等物理特征。

攝像頭的智能化改造是另一個安防領域的市場機遇。攝像頭的精準度將影響最終人臉識別的準確率,此前大量攝像頭存在三個致命缺點:1、三維變二維時易丟失距離信息;2、無法完成全視角監控并受到光源影響巨大;3、無法將深度拍攝與全視角拍攝相結合。目前以格靈深瞳為代表的技術公司正著力研發三種類型的攝像頭去解決這些問題:

1、Depth Video

其根據捕食動物眼睛的視覺重疊原理,利用構成結構光的方式生成Depth Video,然后基于數據去分析人的行為。即使有遮擋的情況,其仍能根據俯視雷達圖精準判別每個人的行動軌跡及行為。

2、光場相機

昆蟲的復眼能最大程度的捕捉光源,并傳輸至神經,快速形成反映,同時能完成360度無死角觀察外界環境,也夠能迅速視覺定位,判斷近距離的情況。攝像頭根據這一成像原理利用鏡頭或者傳感器陣列去接受最大的光場,并將光場分布并計算結果。

3、人眼攝像機

人眼相機的原理其實和哺乳動物的眼球工作原理相似,人眼中含有黃斑,其集中了人眼75%的有效像素,剩下的25%分布160度的時常角上。而人眼相機根據這一特性,通過一個視場角很廣但分辨率不足的檢測系統與視場角很小但分辨率很高的黃斑系統共同工作并完成拍攝任務。

2.2 門禁

門禁系統又稱出入管理控制系統,是對出入口通道進行管制的智能化系統??梢粵車馗爬ㄎ憾勻嗽背鋈肴ㄏ薜墓芾懟垂芾硎裁慈?、什么時間可以進出哪些門。門禁系統其最初形態為機械門鎖,但隨著情境、場所、級別權限、工作流程的細分與人流量增大等外部環境影響下,鑰匙管理難度隨之升高。而電子卡鎖(磁卡和射頻卡),電子密碼鎖等形式的出現在一定程度上提高了人們對出入口通道的管理能力,使通道管理進入了電子化時代。但是隨著這兩種電子鎖的不斷應用,其本身的優缺點便逐漸顯現。

智能門禁系統是人臉識別在商業領域中最早的應用載體之一,其中人臉識別門禁系統對于其他生物識別門禁系統的優勢在于:

1、自然性

自然性指通過用攝像設備采集人臉數據并進行識別比對的方式,同時包括語音識別和體形識別,而指紋識別和虹膜識別等則不具備自然性這一特點。

2、非強制性

非強制性指在識別過程中被識別對象無需主動配合便能完成識別任務,例如,人臉識別是利用可見光獲取人臉圖像信息而進行比對。不同于指紋識別或者虹膜識別需要利用電子壓力傳感器采集指紋,或利用紅外線采集虹膜圖像。并且人臉識別門禁系統更具備安全性與高效性。

3、非接觸性

與其他生物識別技術相對比,人臉識別是非接觸的,用戶不需要和設備直接接觸,并且能夠支持高并發處理,同時又能夠滿足在實際應用場景下進行多個人臉的分揀、判斷及識別。

4、智能數據輸出

人臉識別門禁能夠對場景內所有人進行面部數據采集,幫助管理者建立易于檢索、對比突出管理檔案以及為改善管理決策提供必要依據。

2.3 智能迎賓

企業智能迎賓系統。智能迎賓系統基于動態捕捉與非配合式人臉識別技術,與門禁聯動,并結合后臺管理系統可實現快速,準確識別賓客身份,訪客邀約,訪客登記,訪客數據統計,訪客查詢等功能,使企業辦公更智能化。

展會迎賓簽到系統。展會的簽到形式從最初的紙質身份牌發展至條形碼,磁卡,IC(智能)卡,手機二維碼等多種形式,然而這些方式只是實現了會議簽到無紙化管理,雖然在一定程度上提高了效率。但仍存在較大隱患,例如信息安全的丟失,冒名代簽等諸多問題。展會迎賓簽到系統同樣基于人臉識別技術,組織者只需采集一次參會人員的面部圖像(征集或在網上檢索),并錄入系統人像數據庫。訪客只需經過攝像范圍內,攝像設備則能迅捕捉并進行識別,進一步分配座位完成簽到任務。同時,系統也能與其他設備聯動,例如標簽打印機,嘉賓人臉查找等。

2.4 以AmazonGo為代表的新零售

人臉識別技術是AmazonGo所代表的新零售應用場景的關鍵。當消費者進入商店,攝像設備首先會對其進行面部識別,并傳回至Amazon用戶人像數據庫中進行比對。而商場中每一件商品都配備重力感應器與傳感器,通過攝像設備捕捉消費者的行為及手勢,并準確識別其拿起的商品信息,同時采集消費者離開貨架后的圖像共同傳送至信息中心。計算機根據比對結果與每一件商品所傳輸的重力感應信息結合來共同判斷消費者是否進行購物,并不會產生延遲。商店中麥克風能根據環境聲音來判斷消費者位置,從而協助攝像設備進行人物定位追蹤。離店時,掃描器能掃描并記錄消費者購買的商品,同時進行二次確認,并在其消費賬戶完成扣費任務。

2.5 人證合一

人臉識別人證合一產品本質就是將身份證識別與人臉識別技術結合在一起的新應用,其保留了傳統線下審核中“機讀”證件的部分,同時通過人臉識別技術對持卡人進行現場人臉采集,并與身份證中的圖像信息進行交叉比對,完成驗證過程。根據系統框架結構的不同,智能身份驗證將分為網絡對比模式與終端對比模式。同時根據應用場景的不同,設備形態又分為人證對比閘機與認證對比一體機。

人臉識別的盈利模式

三、人臉識別的盈利模式

目前來說人臉識別技術公司主要以企業級技術服務和軟硬件銷售為盈利模式。國內以商湯科技、曠視科技為代表的深度學習技術公司,主要以B2B2C的商業模式與各行業領軍企業合作,共同推進人臉識別在各行業的應用和變現。一般這類公司向B端輸出技術能力,以分成、按License收費、按技術使用次數收費等模式,綁定B端服務于C端客戶的業務增長,從而借助B的行業資源打開市場。

四、人臉識別已在多家上市公司核心業務中實現商業化落地

2014年,香港中文大學教授湯曉鷗教授領導的計算機視覺研究組開發的DeepID深度學習模型,在 LFW (Labeled Faces in the Wild) 數據庫上獲得了 99.15%的識別率首次超過人類(同等情況下人用肉眼在LFW上的識別率為97.52% ),人臉識別技術取得重大突破至今已有三年時間。

2017年,經過三年的技術紅利消化與擴散,人臉識別已經成功應用到以安防行業為代表的多個行業,并且進入多個上市公司的核心業務和核心產品體系中。不但大幅提升了各個公司原有業務的運營效率,更創造了多個前景廣闊的增量市場。以安防行業為例,主要商業模式為三種:

第一, 為安防廠商提供視頻結構化、人臉布控、人臉搜索、車輛識別、人群分析等軟硬一體形態提供定制化GPU、智能攝像頭等一體化解決方案,按照處理的監控視頻路數收費;

第二, 將人臉識別功能融入身份識別產品、過關閘機、柜臺產品等,以產品化的形態通過行業渠道銷售盈利;

第三, 與傳統安防廠商合作,通過其渠道共同中標平安城市、智慧城市等大型項目,通過項目形式盈利。

我們相信在人工智能上升到國家戰略層面的大背景下,人臉識別將大展拳腳。

提交需求,獲取專業方案

專業人員與您一對一溝通解決。

4006-998-110186-0517-3465

頂部