什么是人脸识别,漫说丨人脸识别( 三 )


老化是可能严重影响错误率的另一个因素,因为随着时间的推移,被摄对象的脸部变化会使其难以匹配相隔多年的照片 。NIST发现尝试与18年前拍摄的照片进行匹配时,许多中间层算法显示出的错误率几乎增加了10倍 。防止误识别的措施始终很重要,因为人脸识别永远不会100%准确 。如今,这些保护尤为重要,因为许多供应商仍然没有以极高的准确性运行的系统,即使是最好的算法也仍然在更具挑战性的现实环境中挣扎 。
面部识别变得更加准确 。得益于神经网络算法,功能更强大的特殊微控制器和处理器,具有更好相机的更好图像以及片上处理和边缘计算可为相机内部和附近提供更多智能,3D人脸识别以及更准确的人脸识别算法 。过去几年的演变 。根据NIST的报告,人脸识别技术的准确性在2013年至2018年之间得到了显着提高 。该报告使用了多个二维图像数据集,其中指出“准确性的提高是由于对图像进行集成或完全替换所致 。
深度卷积神经网络的现有方法” 。因此,NIST说,人脸识别已经经历了一次工业革命,即使各种算法之间仍然存在显着差异,算法也越来越能够容忍劣质图像 。2020年及以后的人脸识别—趋势和市场人脸识别已成为全球生物识别市场和数字化转型工作中越来越重要的部分 。人脸识别市场的各个部分,相当多样化有望以比先前预期更快的速度增长 。
随着人脸识别技术投资的增加和技术的成熟,我们看到在某些用例(包括新用例)中人脸识别的使用量也在增加 。事实证明,新冠肺炎疫情是其中的重要推动力 。新冠肺炎疫情还导致人脸识别系统与其他生物识别技术相结合 。由于疫情行,人们期望数字化和数字化将在多个领域加速发展,因此不可避免地会看到人脸识别技术的使用越来越多 。
对于技术行业来说,不断增长的人脸识别市场总体上是一种财务上的祝福,纯净而简单 。人们通常将重点放在人工智能、机器学习和机器视觉技术上,这些技术使来自相机的图像与数据库和复杂的人脸识别系统中的图像相匹配,而更多的技术对此进行了增强 。多种技术和应用领域融合时的人脸识别 。人脸识别确实是多种技术相结合的生物识别领域 。
下一代移动网络、5G和边缘技术将使它比现有技术更加普及 。实际上,部署AI支持的安全摄像头的高密度网络来监视任何事物很可能是5G蜂窝物联网(5G和IoT相遇)可能会产生相当大影响的第一个重要领域:安全 。或者更具体地说:使用AI支持的安全摄像机的高密度网络 。这不仅在国土安全中如此,而且在确保关键设施甚至智慧城市和其他社区安全中也是如此 。
换句话说:越来越多的用例和未来的增长 。写在最后在所有生物识别方式(指纹、语音、步态、行为、DNA等)中,人脸获得更快的接受度是因为它不仅几乎使任何人都易于使用,而且人脸可以为人体提供大量“信号”或数据 。相比之下指纹(尽管具有独特性和看似复杂性)无法与经过训练的AI系统相比,AI可以快速识别的面部形状、大小、独特标记和其他区别特征相匹配 。
【什么是人脸识别,漫说丨人脸识别】现在,我们才刚刚开始看到在身份管理和银行业务等服务中引入的人脸身份验证技术,尽管仍然主要与指纹或SMS验证之类的其他传统技术结合使用 。未来人工智能驱动的技术将拥抱更先进的面部生物识别技术,以改善其安全性,并真正保护用户免受身份盗用和数据泄露的侵害 。具有活动性检测功能的面部认证不仅可以提供增强的,无摩擦的用户体验,而且拥有典型智能设备的任何人都将能够享受无与伦比的真实世界保护水平,以抵御网络钓鱼,ID盗窃和合成身份欺诈等攻击,人脸识别将在等多的领域与现有技术进行深度融合 。

推荐阅读