人脸识别技术有哪些常见的误区?

<![CDATA[

一、人脸识别的“准确率”越高越好?

人脸识别技术其实没有“准确率”的概念。当前所有的生物识别技术如指纹识别、虹膜识别都有两个指标,一个是认假率FAR(false accept rate),一个是拒真率FRR(false rejection rate)

认假率是指人脸比对通过了但其实并不是本人,把“假的”认成了“真的”;同理,拒真率是指本人亲自上阵但是比对失败了,把“真的”当成了“假的”,把你当成了骗子。只有基于认假率、拒真率两个指标才可以判断某个人脸识别算法水平的高低。

通常,人脸识别算法一般会设定一个阈值T作为评判通过与否的标准,该阈值一般是用分数或者百分比来衡量。当人脸比对的相似度值大于此阈值时,则比对通过,否则比对失败。而阈值的设定一般是根据人脸识别的ROC曲线(Receiver Operating Curve)进行设定。

ROC曲线(Receiver Operating Curve)指受试者工作特征曲线,反映敏感性和特异性连续变量的综合指标,用构图法揭示敏感性和特异性的相互关系,它通过将连续变量设定出多个不同的临界值,从而计算出一系列敏感性和特异性,曲线下面积越大,诊断准确性越高。在ROC曲线上,最靠近坐标图左上方的点为敏感性和特异性均较高的临界值。

二、人脸识别技术火了,虹膜、指纹识别技术就被淘汰了?

人脸识别技术诚然有自己的优点:

  1. 非接触性(不用肢体接触)
  2. 非强制性(路过即可,甚至无察觉)
  3. 可并发性(可同时进行多个人脸的分拣、判断及识别 )

但人脸识别技术也有自己的无法规避的缺点:

  1. 人类脸部存在相似性,很难做到精准识别。
  2. 光线、化妆、整容等仍然会影响人脸整体识别结果。
  3. 人脸存在易变性,表情、年龄、角度等使人脸的外形很不稳定。

所以目前的情况是,人脸识别技术将在相当长的一段时间内与多种生物识别技术一起使用(指纹、虹膜识别),取长补短。

三、人脸识别技术没什么用,画个妆整个容就识别不了?

”人脸识别“技术诚然存在无法绕过的坑,但不能就此全盘否定其价值,在实际的应用中可以结合客户需求,根据应用场景寻求合适的阈值。设定的阈值越高,认假率越低,拒真率越高,一般会通过人脸比对的相似度得到roc曲线,找到拒真率和认假率的交叉点即为最理想的阈值。

比如券商在线开户验证的场景中,我们可以把人脸比对的阈值调高,这样虽然会导致”拒真率“上升,甚至本人也可能多次被拒。但在测试环境中,仍然可以节省大约超过50%的工作量,这就节约了大量时间和人力成本。企业只需将剩下50%部分的工作量交给人工客服来完成。

<![CDATA[

体验人脸识别技术

]]> ]]>