人臉識別在共享汽車的應(yīng)用
人臉識別在共享汽車上,主要應(yīng)用在哪些方面呢?人臉識別技術(shù)在共享汽車領(lǐng)域的應(yīng)用主要防止借用、盜用他人信息用車,防范無證駕駛以及利用共享車輛進行其他有預(yù)謀的犯罪等隱患。
近日滴滴殺人案與滴滴空姐事件讓滴滴暴雷,滴滴被多方討伐,同樣在共享汽車領(lǐng)域也存在諸多雷區(qū),上海率先在2017年6月出臺《上海市小微型客車分時租賃管理實施細(xì)則》改善現(xiàn)有共享汽車運營環(huán)境。
《上海市小微型客車分時租賃管理實施細(xì)則》要求,在上海從事分時租賃經(jīng)營活動的車輛應(yīng)當(dāng)符合下列條件:
- 9座及以下小微型純電動載客汽車;
- 安裝人臉識別裝置;
- 安裝符合規(guī)定標(biāo)準(zhǔn)的車載衛(wèi)星定位和應(yīng)急報警裝置;
- 符合客運服務(wù)規(guī)范對車輛的其他要求。
其中人臉識別技術(shù)在共享汽車領(lǐng)域的應(yīng)用主要防止借用、盜用他人信息用車,防范無證駕駛以及利用共享車輛進行其他有預(yù)謀的犯罪等隱患。
一、人臉識別簡介
人臉識別(Human Face Recognition),通常也叫做人像識別、面部識別,是基于人的臉部特征信息進行身份識別的一種生物識別技術(shù)。用攝像機或攝像頭采集含有人臉的圖像或視頻流,并自動在圖像中檢測和跟蹤人臉,進而對檢測到的人臉進行識別的一系列相關(guān)技術(shù)。
衡量人臉識別的算法能力的指標(biāo):拒識率、誤識率、通過率、準(zhǔn)確率。
二、人臉識別分類
1. 人臉驗證
人臉驗證的圖像比對級的1:1,通過提取兩張人臉的特征進行相似度對比,最終返回相應(yīng)的置信度得分,系統(tǒng)根據(jù)特征匹配程度判斷兩個輸入人臉是否屬于同一人。
利用圖像處理技術(shù)從圖像中提取人像特征點,利用生物統(tǒng)計學(xué)的原理進行分析建立數(shù)學(xué)模型,即人臉特征點模型;再從人臉特征點模型與被測者的人的面像進行特征分析(可以假定為無數(shù)的幾何特征點求解),根據(jù)分析的結(jié)果來給出一個相似值,通過相似值與預(yù)先設(shè)定的閾值比較,即可確定是否為同一人。
- 閾值范圍:1……100;
- 閾值調(diào)<5,幾乎大部分人都可以是相似的;
- 閾值>95, 同一個人在不同的背景環(huán)境拍出的照片都無法匹配。
- 能夠在閾值大于95的基礎(chǔ)上比較精確的識別,說明識別算法良好。
人臉驗證適用于身份識別及相似臉查詢等應(yīng)用查詢,比如:通過自拍照與身份證照或公安系統(tǒng)照片之間的人臉對比,核實用戶身份是否屬實,優(yōu)化金融等高風(fēng)險行業(yè)復(fù)雜的身份驗證流程。
2. 人臉檢索
人臉驗證的圖像比對級的1:1,在大規(guī)模人臉數(shù)據(jù)庫中找出與待檢索人臉相似度最高的一個或多個人臉。人臉檢索是通過在大規(guī)模人臉數(shù)據(jù)庫中多次執(zhí)行人臉驗證算法,匹配出相似度最高的人臉。當(dāng)數(shù)據(jù)庫人臉規(guī)模超過20萬(20萬人中會有不少人長相相似)),就會出現(xiàn)多個相似結(jié)果,需要人工輔助定位。
人臉檢索部署條件:
- 樣本非常多的人臉數(shù)據(jù)庫;
- 強大的算法硬件。
人臉檢索適用于大范圍的人口排查等應(yīng)用查詢,比如:排查犯罪嫌疑人、失蹤人口的全庫搜尋、一人多證的重復(fù)排查,以此相似度列出相應(yīng)的結(jié)果,可以大大提高排查效率。
3. N:N人臉識別
N:N人臉識別算法主要用于實時多1:N檢索計算, 基于1:N的算法,輸入多個求解結(jié)果。比如視頻流的幀處理所用,對服務(wù)器的計算環(huán)境要求嚴(yán)苛,目前的算法系統(tǒng)所支撐的輸出率非常有限。
N:N人臉識別主要的限制如下:
- 海量的人臉照片解析需要大量運算(目前很少看到在采集端直接解析的,都是照片剪裁);
- 海量的人臉照片傳輸需要大量的帶寬(常見的720布控攝像頭抓取最小的人臉照片為20K);
- 海量的人臉照片在后臺檢索需要耗費大量的運算(國內(nèi)主流主機為例,最多到24路攝像頭)。
人臉技術(shù)在共享汽車的應(yīng)用是第一類人臉驗證,在注冊認(rèn)證時通過與公安系統(tǒng)連接認(rèn)證身份信息,在使用車輛時認(rèn)證用戶信息。
三、人臉識別應(yīng)用
人臉識別流程主要包括圖像采集、人臉預(yù)處理、特征提取、人臉匹配與識別,最終輸出人臉識別結(jié)果。
其中圖像采集分為以下幾個步驟:
圖像采集開始,打開攝像頭;
進行人臉檢測和圖像質(zhì)量分析,確定當(dāng)前的圖像采集區(qū)域是否符合活體檢測的環(huán)境要求;
開始活體檢測,活體檢測軟件隨機產(chǎn)生一種指令序列進行活體檢測
用戶三種指令均檢測通過則活體檢測通過;
一種指令檢測錯誤,則系統(tǒng)會再次隨機產(chǎn)生一種新的指令序列再次檢測通過活體檢測才通過;
當(dāng)?shù)谌沃噶钚蛄芯赐ㄟ^時,活體檢測失敗;
在上述過程中,系統(tǒng)會隨機保存圖像,當(dāng)活體檢測通過后,隨機保存的圖像繼續(xù)用于人臉識別。
1. 共享汽車用車資質(zhì)認(rèn)證
共享汽車用車前必須通過用戶用車資質(zhì)認(rèn)證,包括上傳用戶身份證、駕駛證以及手持駕照等信息,引入人臉識別技術(shù)后,調(diào)用人臉識別接口時可使用公安部旗下NCIIC的人臉比對接口,可直接完成人臉識別以及用戶信息驗證。資質(zhì)認(rèn)證時采集的用戶人臉照片,為后續(xù)用車流程中使用人臉認(rèn)證提供原始照片。
- 開始認(rèn)證,通過OCR技術(shù)分別掃描身份證、駕駛證信息,然后由用戶校準(zhǔn)信息;
- APP打開手機攝像頭,手機像頭完成圖片采集,上傳至后臺;
- 后臺調(diào)用人臉識別接口,利用手機上傳的圖片與當(dāng)前用戶注冊時采集的人臉圖片提供給專業(yè)人臉識別算法平臺進行處理,輸出比對結(jié)果;
- 后臺下發(fā)人臉識別結(jié)果,若比對成功完成認(rèn)證,若人臉識別失敗認(rèn)證失敗。
2. 共享汽車用戶APP中提車
共享汽車用戶在用車APP中發(fā)起提車申請時自動觸發(fā)在手機上的人臉識別功能,主要步驟如下:
- 點擊提車觸發(fā)人臉識別流程,APP打開手機攝像頭;
- 手機像頭完成圖片采集,上傳至后臺;
- 后臺調(diào)用人臉識別接口,利用手機上傳的圖片與當(dāng)前用戶注冊時,采集的人臉圖片提供給專業(yè)人臉識別算法平臺進行處理,輸出比對結(jié)果;
- 后臺下發(fā)人臉識別結(jié)果,若比對成功允許提車,若人臉識別失敗提車請求失敗。
3. 共享汽車用戶取車
目前用戶取車流程中進行人臉識別主要分為兩種方案,一種由車載T-Box上傳實時采集的用戶圖像至后臺,在后臺運行人臉識別算法;另外一種在車上裝上人臉識別硬件,在車上完成人臉識別。
方案一:由車載T-Box上傳實時采集的用戶圖像至后臺,在后臺運行人臉識別算法,此種方案對于后裝車輛而言只需要安裝攝像頭即可完成,比較實用,具體步驟如下:
- 打開車門自動觸發(fā)人臉識別流程,車載攝像頭開始供電;
- 車載攝像頭完成圖片采集,通過T-Box上傳照片至后臺;
- 后臺調(diào)用人臉識別接口,利用T-Box上傳的圖片與當(dāng)前用戶注冊時采集的人臉圖片提供給專業(yè)人臉識別算法平臺進行處理,輸出比對結(jié)果;
- 后臺下發(fā)人臉識別結(jié)果,若比對成功允許取車,若人臉識別失敗禁止取車。
方案二:在車上裝上人臉識別硬件,后臺下方用戶原始人臉圖像,在人臉識別硬件中完成人臉識別,此種方案花費較大,目前識別上人臉識別硬件較貴,具體步驟如下:
- 在APP中提車申請通過之后,后臺臺下發(fā)用戶注冊時采集的人臉圖片至T-Box;
- 打開車門自動觸發(fā)人臉識別流程,車載攝像頭開始供電;
- 車載攝像頭完成圖片采集,調(diào)用人臉識別硬件接口,通過人臉識別硬件處理后臺下發(fā)的圖片與車載攝像頭采集的圖片,輸出人臉識別結(jié)果;
- 根據(jù)人臉識別硬件輸出的人臉識別結(jié)果,若比對成功允許取車,若人臉識別失敗禁止取車。
當(dāng)檢測到車載SIM卡為無網(wǎng)狀態(tài)下,取車人臉識別流程暫不進行,當(dāng)車輛開到空曠區(qū)域車輛有網(wǎng)時,系統(tǒng)再自動進行人臉識別流程,若檢測不通過,當(dāng)車輛減速或者停車以后不允許車輛再次開動。
四、人臉識別漏洞
目前,偽造人臉圖像攻擊此系統(tǒng)的手段有多種,隨著人臉識別技術(shù)在身份認(rèn)證鄰域的逐步應(yīng)用,假冒攻擊(或復(fù)制攻擊)對相關(guān)的人臉認(rèn)證系統(tǒng)構(gòu)成了極大的威脅,對于人臉實名認(rèn)證系統(tǒng)的應(yīng)用也帶來了不利的影響。
目前人臉識別攻擊手段主要有以下幾種:
1. 以偷拍照片假冒真實人像
只有人臉靜態(tài)識別時,使用真人照片可通過人臉靜態(tài)識別。
2. 在公開場合收錄的視頻或網(wǎng)上公開的視頻片段
根據(jù)活體檢測步驟,裁剪好視頻中的點頭、搖頭、眨眼等動作,當(dāng)需要活體檢測時,直接播放視頻。
3. 用蠟或塑料凳材質(zhì)構(gòu)造的三維雕像欺騙
購買蠟或塑料等材質(zhì)構(gòu)造的三維雕像,將正面照片粘貼在模型正面,側(cè)面照片粘貼在模型側(cè)面,在活體檢測提示搖頭時轉(zhuǎn)動模型。
4. 用計算機輔助軟件設(shè)計的三維模型欺騙
采集不同角度的人臉照片,利用3D建模技術(shù),控制模型做出活體檢測要求的動作。
5. PS+CrazyTalk 動態(tài)圖片制作
在人臉活體采集階段,首先利用PC端的PS工具處理好一張帶背景的人臉圖,再利用CrazyTalk這一款生成動態(tài)視頻的軟件對圖片進行訓(xùn)練,如:“眨眼”、“搖頭”等動作,訓(xùn)練完成之后,打開App的認(rèn)證功能,將攝像頭對準(zhǔn)經(jīng)過處理的動態(tài)圖片,即可完成人臉認(rèn)證。
五、人臉識別改進方案
1. 基于視頻或多幀圖像的活體檢測方法
首先人臉識別技術(shù)可以采取種種措施來提高自身的準(zhǔn)確率,比如:通過要求目標(biāo)對象眨眼、張嘴、閉嘴、左右搖頭、上下?lián)u頭等等,判斷對象是否在利用面具、照片等手段欺騙系統(tǒng)。
2.?借助輔助拍攝設(shè)備的活體檢測技術(shù)
利用人體會發(fā)出紅外線原理,可用包括熱成像攝像頭、近紅外攝像頭和雙攝像頭的輔助拍攝設(shè)備進行進一步檢測。通過有顏色的圖片來顯示被測量物表面的溫度分布,防止面具作弊及顯示屏播放視頻作弊。
3.?基于單幅圖像的活體檢測技術(shù)
翻拍、PS留下的蛛絲馬跡痕跡,都可被系統(tǒng)識別。由于真人視頻或者合成的視頻,必然需要通過屏幕進行顯示,然后使用采集端進行翻拍。
雖然視頻本身可能做到看起來非常真實,但是翻拍的過程中,必然會暴露出其“犯罪”線索,例如:顯示器邊緣,屏幕反光,像素點紋理等,都會被基于大數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)模型敏感地捕捉到。
4.?基于圖像檢測、活體檢測和語音識別的多重檢驗技術(shù)
為了防止偽裝攻擊,活體檢測在動作識別外,還可以增加語音識別,通過人臉+動作+語音三重識別,可以提高活體檢測的準(zhǔn)確度。
除了活體檢測方法,提高人臉識別算法的準(zhǔn)確度才是人臉識別系統(tǒng)安全性得到保證的關(guān)鍵。
隨著人臉模型的精準(zhǔn)建立、活體檢測算法準(zhǔn)確度的提升和活體檢測手段的豐富完善,共享汽車可以借助于這些黑科技來實現(xiàn)人類出行智能化的夢想,相信不遠(yuǎn)的未來,人臉識別技術(shù)將會得到更多的認(rèn)可,并逐步擴展應(yīng)用于更多的領(lǐng)域。
本文由 @逐夢 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載
題圖來自Unsplash,基于CC0協(xié)議
衡量人臉識別的算法能力的指標(biāo):拒識率、誤識率、通過率、準(zhǔn)確率。
補充:如若是活體。還需包含F(xiàn)RR和FAR
FAR(False Acceptance Rate):誤將Hack攻擊識別為活體
FRR(False Rejection Rate):將活體真人誤判為Hack攻擊的幾率。
您好,這是已有產(chǎn)品還是一個想法啊?想問一個問題,第三部分的第2點,用戶在App中取車,需要人臉識別認(rèn)證的必要性有多大?。磕玫暨@部分可靠嗎?
用戶在app中人臉識別其實就是虛的,一些企業(yè)為符合政策做的臨時解決方案
請問能否轉(zhuǎn)載?
不能轉(zhuǎn)載,可以分享