Как правильно оценить эффекты анти-инфракрасной камеры распознавания лиц / защитных очков CCTV

Как правильно оценить эффекты анти-инфракрасной камеры распознавания лиц / защитных очков CCTV

Сопоставление изображения лица и распознавание
Поисковое сопоставление выполняется для извлеченных характеристических данных изображения лица и характеристического шаблона, хранящихся в базе данных. Установлено пороговое значение. Если сходство превышает такое пороговое значение, выводятся результаты сопоставления. Что касается распознавания лиц, сравниваются подлежащие распознаванию характеристики лица и полученный шаблон характеристик лица. На основании сходства оценивается информация о личности лица. Этот процесс также делится на два класса: один - это подтверждение, которое представляет собой процесс однозначного сравнения изображений, а другой - идентификация, который представляет собой процесс сравнения сопоставления изображений один-ко-многим. Основные индексы сопоставлены и распознаются:
1) СТАВКА ложного принятия
Это вероятность неузнавания. Сравнение лиц пройдено, но распознается не тот человек. «Ложь» признается «истинной». Это похоже на то, что человек ошибается с другим.
2) Проходная ставка
Это правильное распознавание и вероятность пропуска.
Коэффициент ложного отклонения, который равен 1-процентной ставке (или сокращенно FRR), является противоположностью проходной скорости. Коэффициент ложного отклонения означает вероятность того, что база данных распознает вас, а система распознавания лиц - нет. Это похоже на человека, который знает вас, но не подтверждает вашу личность и говорит, что вы не вы.
3) Сходство
Относится к соотношению сходства между обнаруженным лицом и лицом в целевой библиотеке при сравнении лиц. Его можно выразить в процентах. Например, сходство между снимком лица и лицом в целевой библиотеке составляет 80%, это означает, что человек, которого вы видите, на 80% похож на человека в вашем сознании.
4) Пороговое значение
Вышеупомянутый коэффициент ложного принятия, коэффициент успешности, коэффициент ложного отклонения и сходство необходимо объединить с «Пороговым значением», чтобы дать системе распознавания лиц разумную оценку по двум причинам:
Во-первых, связаны частота ложных приемов, скорость прохождения и пороговое значение. Чем выше пороговое значение, тем ниже процент успешных и ложных приемов, и наоборот. Существует распространенное заблуждение, что чем выше процент сдачи, тем лучше. Действительно, если процент успешных ответов выше, качество обслуживания клиентов будет лучше. Однако в таком утверждении есть две ошибки. Первый заключается в том, что скорость прохождения и частоту ложных приемов необходимо регулировать с помощью порогового значения. Бессмысленно упоминать только процент успешных и ложных приемов. Во-вторых, частота ложных приемов и скорость передачи взаимно ограничены, и нам не следует стремиться к отличным односторонним данным. Другой стороной высокой скорости прохождения является высокий процент ложных приемов, и способность противодействовать рискам будет снижаться. Следовательно, для определения порогового значения и соответствующей частоты ложных приемов и скорости прохождения теста необходимо всесторонне учитывать качество обслуживания клиентов и способность противодействовать рискам (два фактора). В более точном утверждении, при установленном пороговом значении, уровень ложного принятия системы распознавания лиц A ниже, чем у других систем, и коэффициент успешности выше, чем у других систем. Это показывает, что алгоритм распознавания лиц системы A распознавания лиц хорош.
Во-вторых, частота ложных приемов, скорость прохождения и пороговое значение относятся к нелинейной зависимости. Если пороговое значение постоянно повышается, процент успешных и ложных приемов резко снижается. Это показывает, что пороговое значение не должно быть слишком высоким. Однако, пока пороговое значение достаточно велико, неизбежно появится ложное принятие.
Обнаружение Vivo: одна из технологий, на которую нацелены анти-инфракрасные камеры распознавания лиц / защитные очки CCTV.
В некоторых сценариях аутентификации личности метод определения реальных физиологических характеристик объекта может эффективно защищать обычные средства атаки, такие как изображение, изменение лица, маска, укрытие и повторная съемка экрана, чтобы помочь выявить мошенническое поведение.
В настоящее время существует три вида обнаружения в естественных условиях, которые в основном основаны на инфракрасной технологии обнаружения. Уровень защиты от подделки живого тела от низкого до высокого: совместное обнаружение vivo, тихое обнаружение vivo и бинокулярное обнаружение подделки живого тела.

Совместное обнаружение в естественных условиях

Самый распространенный способ обнаружения в естественных условиях. Моргание, открытие рта, покачивание головой, кивок и другие совместные комбинированные действия подтверждают, является ли объект реальной личной операцией живого тела, с помощью позиционирования ключевых точек лица, отслеживания лица и других технологий.

Бесшумное обнаружение Vivo

От объекта не требуется выполнять утомительные действия на лице, но необходимо сделать снимок или снять видео с лица в режиме реального времени, после чего можно будет выполнить обнаружение реального человека в естественных условиях. Что касается объекта, с помощью видео лица, воспроизводимого на устройстве отображения, может быть проведена строгая проверка и распознавание, а также предотвращена атака воспроизведения видео.

Бинокль Vivo Anti-fake Detection

Это интегрированная фотоэлектрическая технология обнаружения лица в естественных условиях «видимый свет + ближний инфракрасный свет». Его принцип заключается в анализе и классификации спектральной информации, отраженной кожей лица при различных условиях освещения. Неоднородное изображение лица соотносится и оценивается, и разница между реальной кожей лица и всеми другими атакующими материалами эффективно распознается. Технология видимого света может реализовать быстрое распознавание лиц. Технология формирования изображений в ближнем инфракрасном диапазоне обладает такими характеристиками, как «нечувствительность к освещению, отказы электронного изображения на экране и визуализация при проникновении через солнцезащитные очки». В реальных сценариях приложений можно предотвратить злонамеренные намерения сфабриковать или украсть биологические характеристики других людей для аутентификации личности. Атаки с помощью различных средств, таких как изображение, видео и 3D-маска, могут быть предотвращены более эффективно. Повышена безопасность удаленной проверки подлинности личности.