人臉識別支付系統(tǒng)科研進(jìn)展,刷臉支付新市場到來

2013年,中國科學(xué)院重慶綠色智能技術(shù)研究院智能多媒體技術(shù)研究中心啟動了以人臉識別為核心技術(shù)的人臉識別支付方式的研究。

截止2014年8月,該中心已經(jīng)完成了人臉識別支付系統(tǒng)的關(guān)鍵性技術(shù)研究。該中心全球首創(chuàng)的人臉數(shù)據(jù)采集陣列,能夠從91個角度對人臉同步采集,能對人臉識別影響最大的多變光照、多角度、遮擋等狀態(tài)進(jìn)行最優(yōu)的識別效果。智能多媒體技術(shù)研究中心的人臉識別系統(tǒng)已應(yīng)用在邊檢站自動通關(guān)系統(tǒng)、動態(tài)人臉識別考勤機(jī)、多屬性動態(tài)人臉識別系統(tǒng)等。在此基礎(chǔ)上,中心研發(fā)出了人臉識別移動支付系統(tǒng),已能夠?qū)崿F(xiàn)支付只需“刷臉卡”。[2]

行業(yè)應(yīng)用

教育機(jī)構(gòu),電信局、廣播、傳媒,政府機(jī)構(gòu),國際會議,航空服務(wù)業(yè),高檔小區(qū),醫(yī)療行業(yè)

系統(tǒng)難點

人臉識別被認(rèn)為是生物特征識別領(lǐng)域甚至人工智能領(lǐng)域最困難的研究課題之一。人臉識別系統(tǒng)的困難主要是人臉作為生物特征的特點所帶來的。

相似性

不同個體之間的區(qū)別不大,所有的人臉的結(jié)構(gòu)都相似,甚至人臉器官的結(jié)構(gòu)外形都很相似。這樣的特點對于利用人臉進(jìn)行定位是有利的,但是對于利用人臉區(qū)分人類個體是不利的。

易變性

人臉的外形很不穩(wěn)定,人可以通過臉部的變化產(chǎn)生很多表情,而在不同觀察角度,人臉的視覺圖像也相差很大,另外,人臉識別還受光照條件(例如白天和夜晚,室內(nèi)和室外等)、人臉的很多遮蓋物(例如口罩、墨鏡、頭發(fā)、胡須等)、年齡等多方面因素的影響。

在人臉識別中,第一類的變化是應(yīng)該放大而作為區(qū)分個體的標(biāo)準(zhǔn)的,而第二類的變化應(yīng)該消除,因為它們可以代表同一個個體。通常稱第一類變化為類間變化(inter-class difference),而稱第二類變化為類內(nèi)變化(intra-class difference)。對于人臉,類內(nèi)變化往往大于類間變化,從而使在受類內(nèi)變化干擾的情況下利用類間變化區(qū)分個體變得異常困難。

用戶配合度

現(xiàn)有的人臉識別系統(tǒng)在用戶配合、采集條件比較理想的情況下可以取得令人滿意的結(jié)果。但是,在用戶不配合、采集條件不理想的情況下,現(xiàn)有系統(tǒng)的識別率將陡然下降。比如,人臉比對時,與系統(tǒng)中存儲的人臉有出入,例如剃了胡子、換了發(fā)型、多了眼鏡、變了表情都有可能引起比對失敗。也就是說,人如果發(fā)生較大變化,系統(tǒng)可能就會認(rèn)證失敗。光照、姿態(tài)、裝飾等,對機(jī)器識別人臉都有影響。

技術(shù)原理

人臉識別內(nèi)容

人臉識別技術(shù)包含三個部分:

人臉檢測

面貌檢測是指在動態(tài)的場景與復(fù)雜的背景中判斷是否存在面像,并分離出這種面像。一般有下列幾種方法:

①參考模板法

首先設(shè)計一個或數(shù)個標(biāo)準(zhǔn)人臉的模板,然后計算測試采集的樣品與標(biāo)準(zhǔn)模板之間的匹配程度,并通過閾值來判斷是否存在人臉;

②人臉規(guī)則法

由于人臉具有一定的結(jié)構(gòu)分布特征,所謂人臉規(guī)則的方法即提取這些特征生成相應(yīng)的規(guī)則以判斷測試樣品是否包含人臉;

③樣品學(xué)習(xí)法

這種方法即采用模式識別中人工神經(jīng)網(wǎng)絡(luò)的方法,即通過對面像樣品集和非面像樣品集的學(xué)習(xí)產(chǎn)生分類器;

④膚色模型法

這種方法是依據(jù)面貌膚色在色彩空間中分布相對集中的規(guī)律來進(jìn)行檢測。

⑤特征子臉法

這種方法是將所有面像集合視為一個面像子空間,并基于檢測樣品與其在子孔間的投影之間的距離判斷是否存在面像。

值得提出的是,上述5種方法在實際檢測系統(tǒng)中也可綜合采用。

人臉跟蹤

面貌跟蹤是指對被檢測到的面貌進(jìn)行動態(tài)目標(biāo)跟蹤。具體采用基于模型的方法或基于運動與模型相結(jié)合的方法。此外,利用膚色模型跟蹤也不失為一種簡單而有效的手段。

人臉比對

面貌比對是對被檢測到的面貌像進(jìn)行身份確認(rèn)或在面像庫中進(jìn)行目標(biāo)搜索。這實際上就是說,將采樣到的面像與庫存的面像依次進(jìn)行比對,并找出最佳的匹配對象。所以,面像的描述決定了面像識別的具體方法與性能。目前主要采用特征向量與面紋模板兩種描述方法:

①特征向量法

該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性,然后再計算出它們的幾何特征量,而這些特征量形成一描述該面像的特征向量。

②面紋模板法

該方法是在庫中存貯若干標(biāo)準(zhǔn)面像模板或面像器官模板,在進(jìn)行比對時,將采樣面像所有象素與庫中所有模板采用歸一化相關(guān)量度量進(jìn)行匹配。此外,還有采用模式識別的自相關(guān)網(wǎng)絡(luò)或特征與模板相結(jié)合的方法。

人臉識別技術(shù)的核心實際為“局部人體特征分析”和“圖形/神經(jīng)識別算法。”這種算法是利用人體面部各器官及特征部位的方法。如對應(yīng)幾何關(guān)系多數(shù)據(jù)形成識別參數(shù)與數(shù)據(jù)庫中所有的原始參數(shù)進(jìn)行比較、判斷與確認(rèn)。一般要求判斷時間低于1秒。

刷臉支付設(shè)備整體市場2019年比2018年增長了12倍,盡管受到疫情影響,但刷臉支付市場正在復(fù)蘇。深圳市彬戈科技有限公司獲悉,根據(jù)微信支付數(shù)據(jù),截止至2020年6月,刷臉支付設(shè)備相比2019年12月增長了70%。刷臉支付設(shè)備在行業(yè)場景應(yīng)用增長速度也非常快,2020年6月與2019年同期相比,其中大屏自助設(shè)備增長1倍,自動售貨機(jī)增長2倍,桌面收銀設(shè)備增長10倍。

2020年開始,深圳市彬戈科技有限公司專注于深耕技術(shù)升級,時刻緊跟刷臉時代下,掃臉支付系統(tǒng)及設(shè)備普及,為廣大門店商家提供刷臉設(shè)備及技術(shù)支持,目前基于華南市場,初步計劃拓展全國區(qū)域市場,在設(shè)備廠家及移動支付官方通道(支付寶及微信)的政策趨勢下,人臉識別付款將會迎來新的機(jī)會。

免責(zé)聲明：市場有風(fēng)險，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。

標(biāo)簽：