新闻动态
    技术中心
    技术中心
    当前位置:ag8亚游集团自控 >> 服务支持 >> 技术中心 >> 浏览文章
    物联网时代常见生物识别优劣势大对比
    作者:佚名 日期:2017年05月15日 来源:互联网 浏览:

    内容导读:    现今指纹图像采集的技术主要为射频指纹识别技术。射频传感器技术是通过传感器本身发射出微量射频信号,穿透手指的表皮层去控测里层的纹路,来获得最佳的指纹图像。因此对干手指,汗手指,脏手指等困难手指通过可高达

        现今指纹图像采集的技术主要为射频指纹识别技术。射频传感器技术是通过传感器本身发射出微量射频信号,穿透手指的表皮层去控测里层的纹路,来获得最佳的指纹图像。因此对干手指,汗手指,脏手指等困难手指通过可高达99%,防伪指纹能力强,指纹敏感器的识别原理只对人的真皮皮肤有反应,从根本上杜绝了人造指纹的问题。

        这个最近火在移动支付方面的生物识别技术,因其防伪性高、生物特征唯一、核心芯片不断缩小等方面,已广泛用于平板、手机甚至手表等移动端,并将会在未来主流生物识别市场占有一席之地。将手指放在手机屏幕上,随手一划就能确认支付,将安全度与便捷性完美结合。但是,它还有一个强大的对手,人脸识别。

        人脸识别,阿里腾讯认准的生物识别方式

        作为未来主流生物识别方式之一,人脸识别最大的优点是对硬件几乎没要求,即使几百元的手机摄像头也可以满足,剩下的只是软件问题。未来的结果就是,你在结账时,对着收银台的摄像头左看看右看看,支付就这样完成了。这种认证方式在未来移动支付时代具有高便捷性,加上硬件要求极低,足以让阿里腾讯看好它的未来。

        自动人脸识别的经典流程分为三个步骤:人脸检测、面部特征点定位、特征提取与分类器设计。在深度学习出现以前,人脸识别方法一般分为高维人工特征提取和降维两个步骤。2014年之后,主要技术路线为深度学习。

        Google发表于CVPR2015的工作FaceNet采用了22层的深层卷积网络和海量的人脸数据(800万人的2亿张图像)以及常用于图像检索任务的Triplet Loss损失函数。值得一提的是,人脸类别数达到800万类,FaceNet在LFW数据集上十折平均精度达到99.63%,这也是迄今为止正式发表的论文中的最好结果,几乎宣告了LFW上从2008年到2015年长达8年之久的性能竞赛的结束。

        尽管如此,一模一样的技术,拿到真实环境下得到的准确率可能只有75%……也许会有些人觉得这是很可笑的,请不要笑,这是科研圈里朋友的普遍做法,不是没有苦衷的。

        虽然目前的人脸识别技术上不完美,受环境等影响很大,但全球领先的中国face++公司已经可以做到先识别你是不是一个人了(照片肯定是不行的,即使你捂住半边脸,依然可以识别你是一个人。)

        “人脸识别技术比人的识别能力要强,而且强不少”,北京旷视科技(face++)市场与经营部总经理谢忆楠说,“比如一个银行柜员对人脸识别的精度可能达到万分之一误识率,通过率可以超过90%;而我们最好的成绩是十万分之一的误识率,通过率可以超过97%-98%。”

        目前评价科研中算法的优劣的唯一方法就是找一个数据集,然后大家一起对比,随着数据集中数据数量越大,其结果也越精准,于是阿里通过各种方式来收集人脸信息,比如支付宝中的未来蚁来,有一个游戏叫遇见名画中的自己,规则是你放入带有你人脸的照片,然后搜索跟你照片特别相似名画,以此来收集人脸信息。笔者还做了测试,结果如下:

        至少图像识别的结果还是比较不错的。

     

    上一篇文章:MSP之移植uC/OS-II利弊分析 下一篇文章:2017 年移动应用开发十大趋势
    相关链接
    发表评论
    用户评论
    版权所有 山西ag8亚游集团自控股份有限公司 晋ICP备09004627号     
    官方微信
    新浪官方微博
    腾讯官方微博