So bewerten Sie die Auswirkungen von Anti-Infrarot-Gesichtserkennungskameras / CCTV-Schutzbrillen richtig

So bewerten Sie die Auswirkungen von Anti-Infrarot-Gesichtserkennungskameras / CCTV-Schutzbrillen richtig

Gesichtsbildanpassung und -erkennung
Der Suchabgleich wird für die extrahierten charakteristischen Daten des in der Datenbank gespeicherten Gesichtsbilds und der charakteristischen Vorlage durchgeführt. Ein Schwellenwert wird eingestellt. Wenn die Ähnlichkeit diesen Schwellenwert überschreitet, werden die Übereinstimmungsergebnisse ausgegeben. Bei der Gesichtserkennung werden die zu erkennenden Gesichtsmerkmale und die erhaltene Gesichtsmerkmalsvorlage verglichen. Basierend auf der Ähnlichkeit werden die Informationen zur Gesichtsidentität beurteilt. Dieser Prozess ist ebenfalls in zwei Klassen unterteilt: Eine ist die Bestätigung, bei der es sich um einen Eins-zu-Eins-Bildvergleich handelt, und die andere ist die Identifizierung, bei der es sich um einen Eins-zu-Viele-Bildvergleichsvergleich handelt. Die Kernindizes werden abgeglichen und erkannt:
1） False Accept RATE
Es ist die Fehlerkennungswahrscheinlichkeit. Der Gesichtsvergleich wird bestanden, erkennt aber die falsche Person. "Falsch" wird als "wahr" erkannt. Es ist wie eine Person, die eine andere Person verwechselt.
2） Erfolgsquote
Es ist die richtige Erkennung und Erfolgswahrscheinlichkeit.
Die falsche Ablehnungsrate, die = 1-Pass-Rate (oder kurz FRR) ist, ist das Gegenteil der Pass-Rate. Falsche Ablehnungsrate bedeutet die Wahrscheinlichkeit, dass die Datenbank Sie erkennt, das Gesichtserkennungssystem jedoch nicht. Es ist wie eine Person, die dich kennt, aber deine Identität nicht bestätigt und sagt, dass du nicht du bist.
3） Ähnlichkeit
Bezieht sich auf das Ähnlichkeitsverhältnis zwischen dem erkannten Gesicht und dem Gesicht in der Zielbibliothek im Gesichtsvergleich. Sie kann in Prozent ausgedrückt werden. Zum Beispiel beträgt die Ähnlichkeit zwischen Schnappschussgesicht und Gesicht in der Zielbibliothek 80%. Dies bedeutet, dass eine Person, die Sie sehen, zu 80% der Person in Ihrem Kopf entspricht.
4） Schwellenwert
Die oben genannte Falschakzeptanzrate, Erfolgsrate, Falschabweisungsrate und Ähnlichkeit müssen mit dem „Schwellenwert“ kombiniert werden, um dem Gesichtserkennungssystem aus zwei Gründen eine angemessene Bewertung zu geben:
Erstens hängen die Falschakzeptanzrate, die Erfolgsrate und der Schwellenwert zusammen. Je höher der Schwellenwert ist, desto niedriger ist die Erfolgsquote und die Falschakzeptanzrate und umgekehrt. Es gibt ein weit verbreitetes Missverständnis, dass je höher die Erfolgsquote, desto besser. Wenn die Erfolgsquote höher ist, ist das Kundenerlebnis in der Tat besser. Eine solche Aussage weist jedoch zwei Fehler auf. Zum einen müssen die Erfolgsrate und die Falschakzeptanzrate um den Schwellenwert angepasst werden. Es ist sinnlos, nur die Erfolgsquote und die falsche Akzeptanzquote zu erwähnen. Das zweite ist, dass sich die Rate falscher Akzeptanz und die Erfolgsquote gegenseitig einschränken und wir keine hervorragenden einseitigen Daten verfolgen sollten. Die andere Seite der hohen Erfolgsquote ist die hohe Falschakzeptanzrate, und die Anti-Risiko-Kapazität wird abnehmen. Daher sollten das Kundenerlebnis und die Anti-Risiko-Kapazität (zwei Faktoren) umfassend berücksichtigt werden, um den Schwellenwert und die entsprechende Falschakzeptanzrate und Erfolgsquote zu bestimmen. In einer genaueren Aussage ist unter dem festgelegten Schwellenwert die Falschakzeptanzrate des Gesichtserkennungssystems A niedriger als die anderer Systeme und die Erfolgsrate höher als die anderer Systeme. Dies zeigt, dass der Gesichtserkennungsalgorithmus des Gesichtserkennungssystems A gut ist.
Zweitens gehören die falsche Akzeptanzrate, die Erfolgsrate und der Schwellenwert zu der nichtlinearen Beziehung. Wenn der Schwellenwert ständig erhöht wird, sinken die Erfolgsquote und die Falschakzeptanzrate stark. Dies zeigt, dass der Schwellenwert nicht zu hoch sein sollte. Solange der Schwellenwert jedoch groß genug ist, wird unweigerlich die falsche Annahme angezeigt.
Vivo-Erkennung: Eine der Technologien, auf die Anti-Infrarot-Gesichtserkennungskameras / CCTV-Schutzbrillen abzielen
In einigen Identitätsauthentifizierungsszenarien kann das Verfahren zum Bestimmen der tatsächlichen physiologischen Eigenschaften des Objekts die üblichen Angriffsmittel wie Bild, Gesichtsänderung, Maske, Schutz und erneutes Aufnehmen des Bildschirms wirksam verteidigen, um betrügerisches Verhalten auf dem Bildschirm zu unterstützen.
Derzeit gibt es drei Arten der vivo-Detektion, die hauptsächlich auf der Infrarot-Detektionstechnologie basieren. Das Anti-Fake-Niveau des lebenden Körpers von niedrig bis hoch ist: kooperative vivo-Detektion, stille vivo-Detektion und binokulare Anti-Fake-Detektion des lebenden Körpers.

Kooperative Vivo-Erkennung

Der gebräuchlichste vivo-Nachweisweg. Durch Blinzeln, Öffnen des Mundes, Kopfschütteln, Nicken und andere kooperative kombinierte Aktionen wird durch persönliche Schlüsselpunktpositionierung und Gesichtsverfolgung sowie andere Technologien überprüft, ob es sich bei dem Subjekt um den realen lebenden Körper handelt.

Stille Vivo-Erkennung

Das Subjekt muss keine langwierigen Gesichtsaktionen ausführen, sondern muss ein Gesichtsvideo in Echtzeit aufnehmen oder filmen, und dann kann die reale Person-vivo-Erkennung durchgeführt werden. Was das Motiv betrifft, so kann durch das auf dem Display abgespielte Gesichtsvideo die strenge Überprüfung und Erkennung durchgeführt werden, und der Angriff auf die Videowiedergabe wird verhindert.

Binocular Vivo Anti-Fake-Erkennung

Es handelt sich um die fotoelektrisch integrierte Gesichts-vivo-Detektionstechnologie „sichtbares Licht + nahes Infrarot“. Sein Prinzip liegt in der Analyse und Klassifizierung von Spektruminformationen, die von der Gesichtshaut unter verschiedenen Lichtbedingungen reflektiert werden. Das heterogene Gesichtsbild wird verwandt und beurteilt, und der Unterschied zwischen echter Gesichtshaut und allen anderen Angriffsmaterialien wird effektiv unterschieden. Die Technologie des sichtbaren Lichts kann die schnelle Gesichtserkennung realisieren. Die Nahinfrarot-Bildgebungstechnologie weist Merkmale wie „unempfindlich gegenüber Beleuchtung, Ausfall der elektronischen Bildschirmbildgebung und Bildgebung beim Eindringen in die Sonnenbrille“ auf. In den tatsächlichen Anwendungsszenarien können die böswilligen Absichten, die biologischen Eigenschaften anderer zur Identitätsauthentifizierung herzustellen oder zu stehlen, verhindert werden. Die Angriffe mit verschiedenen Mitteln wie Bild, Video und 3D-Maske können wirksamer verhindert werden. Die Sicherheit der Fernüberprüfung der Identitätsauthentizität wird verbessert.