Comment évaluer correctement les effets de la caméra de reconnaissance faciale anti-infrarouge / des lunettes de confidentialité CCTV

Comment évaluer correctement les effets de la caméra de reconnaissance faciale anti-infrarouge / des lunettes de confidentialité CCTV

Correspondance et reconnaissance des images faciales
L'appariement de recherche est effectué pour les données caractéristiques extraites de l'image faciale et du modèle caractéristique stockées dans la base de données. Une valeur seuil est définie. Si la similitude dépasse cette valeur de seuil, les résultats correspondants sont émis. En ce qui concerne la reconnaissance faciale, les caractéristiques faciales à reconnaître et le modèle de caractéristique faciale obtenu sont comparés. Sur la base de la similitude, les informations d'identité faciale sont jugées. Ce processus est également divisé en deux classes: l'une est la confirmation, qui est un processus de comparaison d'image un-à-un, et l'autre est l'identification, qui est un processus de comparaison de correspondance d'image un-à-plusieurs. Les index de base sont appariés et reconnus:
1） Faux Accepter TAUX
C'est la probabilité de méconnaissance. La comparaison faciale est réussie, mais reconnaît la mauvaise personne. «Faux» est reconnu comme «vrai». C'est comme si une personne se trompait sur une autre personne.
2, taux de réussite
C'est la bonne reconnaissance et la probabilité de réussite.
Le taux de faux rejet, qui est = 1 - Taux de réussite (ou FRR en abrégé), est le contraire du taux de réussite. Faux taux de rejet signifie la probabilité que la base de données vous reconnaisse, mais pas le système de reconnaissance faciale. C'est comme une personne qui vous connaît mais ne confirme pas votre identité et dit que vous n'êtes pas vous.
3, similitude
Fait référence au rapport de similitude entre le visage détecté et le visage dans la bibliothèque cible dans la comparaison faciale. Il peut être exprimé en pourcentage. Par exemple, la similitude entre le visage et le visage de l'instantané dans la bibliothèque cible est de 80%, cela signifie qu'une personne que vous voyez est à 80% comme la personne dans votre esprit.
4） Valeur seuil
Le taux de fausse acceptation, le taux de réussite, le taux de faux rejet et la similitude mentionnés ci-dessus doivent être combinés avec la «valeur seuil» pour donner au système de reconnaissance faciale une évaluation raisonnable pour deux raisons:
Premièrement, le taux de fausse acceptation, le taux de réussite et la valeur de seuil sont liés. Plus la valeur du seuil est élevée, plus le taux de réussite et le taux de fausse acceptation sont bas et vice versa. Il existe un malentendu courant selon lequel plus le taux de réussite est élevé, mieux c'est. En effet, si le taux de réussite est plus élevé, l'expérience client serait meilleure. Cependant, une telle déclaration comporte deux erreurs. La première est que le taux de réussite et le taux de fausse acceptation doivent être ajustés en fonction de la valeur seuil. Il est inutile de mentionner uniquement le taux de réussite et le taux de fausse acceptation. La seconde est que le taux de fausses acceptations et le taux de réussite sont mutuellement limités, et nous ne devrions pas rechercher d'excellentes données unilatérales. L'autre aspect du taux de réussite élevé est le taux élevé de fausses acceptations, et la capacité anti-risque diminuera. Par conséquent, l'expérience client et la capacité anti-risque (deux facteurs) doivent être prises en compte de manière exhaustive pour déterminer la valeur seuil et le taux de fausses acceptations et le taux de réussite correspondants. Dans une déclaration plus précise, sous la valeur de seuil désignée, le taux de fausse acceptation du système de reconnaissance faciale A est inférieur à celui des autres systèmes, et le taux de réussite est supérieur à celui des autres systèmes. Cela montre que l'algorithme de reconnaissance faciale du système de reconnaissance faciale A est bon.
Deuxièmement, le taux de fausse acceptation, le taux de réussite et la valeur seuil appartiennent à la relation non linéaire. Si la valeur du seuil augmente constamment, le taux de réussite et le taux de fausse acceptation diminuent fortement. Cela montre que la valeur de seuil ne doit pas être trop élevée. Cependant, tant que la valeur de seuil est suffisamment grande, la fausse acceptation apparaîtra inévitablement.
Détection Vivo: l'une des technologies ciblées par la caméra de reconnaissance faciale anti-infrarouge / les lunettes de confidentialité CCTV
Dans certains scénarios d'authentification d'identité, le procédé de détermination des caractéristiques physiologiques réelles de l'objet peut défendre efficacement les moyens d'attaque courants, tels que l'image, le changement de visage, le masque, la mise à l'abri et la nouvelle prise de vue d'écran, afin d'aider à dépister les comportements frauduleux.
Il existe actuellement trois types de détection vivo, principalement basée sur la technologie de détection infrarouge. Le niveau anti-faux du corps vivant de faible à élevé est: détection vivo coopérative, détection vivo silencieuse et détection anti-faux corps vivant binoculaire.

Détection Vivo coopérative

Le moyen de détection vivo le plus courant. En clignant des yeux, en ouvrant la bouche, en secouant la tête, en hochant la tête et en utilisant d'autres actions combinées coopératives, la question de savoir si le sujet est le véritable fonctionnement personnel du corps vivant est vérifiée par le positionnement des points clés du visage, le suivi du visage et d'autres technologies.

Détection silencieuse de Vivo

Le sujet n'est pas obligé d'effectuer des actions faciales fastidieuses mais de prendre une photo ou de filmer une vidéo faciale en temps réel, puis la détection in vivo de la personne réelle peut être effectuée. En ce qui concerne le sujet, grâce à la vidéo faciale lue sur l'afficheur, la vérification et la reconnaissance strictes peuvent être effectuées, et l'attaque de lecture vidéo est empêchée.

Détection binoculaire Vivo Anti-fake

Il s'agit de la technologie de détection faciale vivo intégrée photoélectrique «lumière visible + proche infrarouge». Son principe réside dans l'analyse et la classification des informations spectrales reflétées par la peau du visage dans différentes conditions d'éclairage. L'image faciale hétérogène est mise en relation et jugée, et la différence entre la vraie peau du visage et tous les autres matériaux d'attaque est efficacement distinguée. La technologie de la lumière visible peut réaliser la reconnaissance faciale rapide. La technologie d'imagerie dans le proche infrarouge présente des caractéristiques telles que «insensible à l'éclairage, à l'échec de l'imagerie électronique de l'écran et à l'imagerie lors de la pénétration des lunettes de soleil». Dans les scénarios d'application réels, les intentions malveillantes de fabriquer ou de voler les caractéristiques biologiques d'autrui pour l'authentification d'identité peuvent être évitées. Les attaques par divers moyens, tels que l'image, la vidéo et le masque 3D, peuvent être évitées plus efficacement. La sécurité de la vérification à distance de l'authenticité de l'identité est améliorée.