如何正確評估防紅外線面部識別攝像頭/ CCTV隱私眼鏡的效果

如何正確評估防紅外線面部識別攝像頭/ CCTV隱私眼鏡的效果

面部圖像匹配與識別
對提取出的面部圖像的特徵數據和存儲在數據庫中的特徵模板進行搜索匹配。設置閾值。如果相似度超過該閾值，則輸出匹配結果。對於面部識別，將要識別的面部特徵和獲得的面部特徵模板進行比較。基於相似度，判斷面部身份信息。該過程也分為兩類：一類是確認，這是一對一的圖像比較過程，另一類是標識，這是一對多的圖像匹配比較過程。核心索引被匹配並被識別：
1）錯誤接受率
這是誤識別的概率。通過了面部比較，但是識別出錯誤的人。“假”被識別為“真”。這就像一個人在欺騙另一個人。
2）合格率
這是正確的識別和通過概率。
錯誤拒絕率，即= 1-通過率（或簡稱FRR），與通過率相反。錯誤拒絕率是指數據庫識別您但面部識別系統無法識別您的概率。這就像一個認識您但不確認您的身份並說您不是您的人。
3）相似性
指在面部比較中檢測到的面部與目標庫中的面部之間的相似度。可以用百分比表示。例如，快照面孔與目標庫中面孔的相似度為80％，這意味著您看到的人與您頭腦中的人相似為80％。
4）閾值
需要將上述錯誤接受率，通過率，錯誤拒絕率和相似性與“閾值”結合使用，以使人臉識別系統得到合理的評估，其原因有兩個：
首先，錯誤接受率，合格率和閾值相關。閾值越高，通過率和錯誤接受率越低，反之亦然。常見的誤解是合格率越高越好。確實，如果合格率較高，則客戶體驗會更好。但是，這種說法有兩個錯誤。一是合格率和錯誤接受率需要根據閾值進行調整。僅提及合格率和錯誤接受率是沒有意義的。其次，錯誤接受率和合格率是相互限制的，我們不應追求出色的單方面數據。高通過率的另一面是高錯誤接受率，抗風險能力將下降。因此，應綜合考慮客戶體驗和抗風險能力（兩個因素）以確定閾值以及相應的錯誤接受率和合格率。更準確地說，在指定的閾值下，面部識別系統A的錯誤接受率低於其他系統，通過率高於其他系統。這表明面部識別系統A的面部識別算法是好的。
其次，錯誤接受率，通過率和閾值屬於非線性關係。如果閾值不斷提高，則合格率和錯誤接受率會急劇下降。這表明閾值不應太高。但是，只要閾值足夠大，就不可避免地會出現錯誤接受。
體內檢測：防紅外線面部識別攝像頭/ CCTV隱私眼鏡所針對的技術之一
在某些身份認證場景中，確定對象真實生理特徵的方法可以有效地防禦常見的攻擊手段，如圖片，臉部變化，遮罩，遮擋和屏幕重拍等，從而有助於屏幕的欺詐行為。
目前存在三種體內檢測，主要基於紅外檢測技術。活體的防偽水平從低到高為：協同活體檢測，靜默活體檢測和雙目活體防偽檢測。

協同體內檢測

最常見的體內檢測方法。通過眨眼，張開嘴，搖頭，點頭和其他協作的聯合動作，通過面部關鍵點定位和麵部跟踪等技術來驗證對像是否為真實的生物個人操作。

靜音體內檢測

不需要受試者執行乏味的面部動作，而是以實時方式拍攝或拍攝面部視頻，然後可以進行真實人的體內檢測。對於被攝體，通過在顯示器上播放的面部視頻，可以進行嚴格的檢查和識別，並且可以防止視頻播放攻擊。

雙眼體內防偽檢測

它是“可見光+近紅外”光電一體化面部活體檢測技術。其原理在於在不同光照條件下對面部皮膚反射的光譜信息進行分析和分類。異質的面部圖像被關聯和判斷，並且可以有效地區分真實面部皮膚與所有其他攻擊材料之間的差異。可見光技術可以實現快速的面部識別。近紅外成像技術具有“對照明不敏感，電子屏幕成像失敗以及在戴太陽鏡時成像”的特徵。在實際的應用場景中，可以防止捏造或竊取他人生物特徵進行身份認證的惡意意圖。可以更有效地防止通過圖片，視頻和3D蒙版等各種方式進行的攻擊。身份真實性遠程驗證的安全性得到提高。