15分钟解锁19款手机!清华大学发现人脸识别漏洞
人脸识别技术的发展应用
实际上,人脸识别看起来简单,但是背后也蕴藏了极为复杂的计数原理。
人脸识别实际上是一种基于人的脸部特征信息的生物识别技术,要用摄像机/摄像头采集含有人脸的图像或者视频,并将采集到的信息分析处理保存。
人脸识别包含以下几个关键的步骤:人脸检测、特征提取、图像匹配。
人脸检测是指从输入图像中检测并提取人脸图像,通常采用haar特征和Adaboost算法 训练级联分类器对图像中的每一块进行分类。假如某一矩形区域通过了级联分类器,就被判别为人脸图像;
特征提取则是指,针对人脸的某些特征进行。比如人脸识别可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等;
图像匹配,提取人脸图像的特征数据与数据库中存储的特征模板进行匹配,认证。
目前,人脸识别市场的解决方案主要包括2D、3D识别技术。2D识别技术相对简单,这也是市场上主流的识别方案。2D识别技术运算量小因此识别速度快,但因为判定过于简单也带来了安全性问题,当外人使用照片等平面图像就能达到破解识别系统的效果。
相比之下,3D识别技术采用三维人脸立体建模方式,比2D识别技术更加全面,精度更高。但是需要通过复杂的人脸识别算法来实现,因此运算量大,识别速度慢,成本也比2D识别贵上不少。
调查数据显示,全球人脸识别市场规模从2009年的3.90亿美元增长到2016年的26.53亿美元,年均复合增长率达到31.5%,实现了飞速发展。预计未来一段时间人脸识别市场规模将保持20%左右的增速,到2022年,全球人脸识别市场规模将达75.95亿美元。
良好的增长态势固然反映了技术的前瞻性。但是发展至今,人脸识别技术存在的缺陷也很明显。
首先从人脸识别的工作原理出发,比如在“采集条件”与“采集对象”两方面,比如,人脸识别环境的光照条件可能影响图像采集效果。在进行人脸比对时,假如被采集对象剃了胡子、换了发型、带了眼镜、变了表情,都有可能引起比对失败。
同时,随着年龄的变化,面部外观也会变化,特别是对于青少年,这种变化更加明显。因此年龄变化对人脸识别算法的影响也必须得到解决。这里还有一个问题,当人脸识别技术遇到了双胞胎,由于相似特征太多,人脸识别基本难以完成分辨。
另外,若是处于非配合情况下的人脸图像采集,比如当前受疫情影响人们不得不带着口罩等物品,也这会导致采集的人脸图像不完整,从而影响了后面的特征提取与识别,甚至会导致人脸检测算法的失效。
从发展趋势来看,越来越多科研单位已开始对人脸识别技术进行更深入地研究。与此同时,人工智能等先进技术也将使得人脸识别进一步完善。未来物联网时代,人脸识别也有望成为有效身份识别,商业前景非常广阔。
图片新闻
最新活动更多
-
即日-11.13立即报名>>> 【在线会议】多物理场仿真助跑新能源汽车
-
11月28日立即报名>>> 2024工程师系列—工业电子技术在线会议
-
11月29日立即预约>> 【上海线下】设计,易如反掌—Creo 11发布巡展
-
11月30日立即试用>> 【有奖试用】爱德克IDEC-九大王牌安全产品
-
12月19日立即报名>> 【线下会议】OFweek 2024(第九届)物联网产业大会
-
即日-12.26火热报名中>> OFweek2024中国智造CIO在线峰会
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论