[VIP第1年] 指数:3
多人脸检索（N:N）：
（1）简介：
1：N同时作业就是N:N了，同时相应多张照片检索需求。
（2）实际产品问题中：
1、在视频级N:N的校验中，安阳进口人证核验终端，如果要提高通过率，很多时候是采取降低准确率的方式，降低算法队列数量；同样在一些比赛中为了降低误识率，**提高了准确率，所以算法在校验的过程中必须遵循至少一个固定标准，追求的是速度效率还是** 高准确率。
2、视频流的帧处理所用，对服务器的计算环境要求严苛，安阳进口人证核验终端，安阳进口人证核验终端，目前的算法系统所支撑的输出率非常有限。
主要的限制如下：
海量的人脸照片解析需要大量运算（目前很少看到在采集端直接解析的，都是照片剪裁）海量的人脸照片传输需要大量的带宽（常见的720布控摄像头抓取**小的人脸照片为20K）海量的人脸照片在后台检索需要耗费大量的运算（国内主流主机为例，**多到24路摄像头）
）
1.非配合场景
在配合场景下：比如ATM机刷脸取款，用户会自主配合，将人脸以一个理想的角度通过识别。
而在非配合应用场景下，比如监控视频下的人脸识别，追踪违法犯罪分子的身份信息，情况就要困难得多。这种情况下，用户脸部会发生角度偏大，遮挡，光线不可控等问题。
2.跨人种，跨年龄识别问题
研究发现，在一个数据集上训练好的模型，想到迁移到另外一个人种上，效果会出现较大程度的下降。另 外，人脸随着年龄的变化带来的改变也给人脸识别带来不小的挑战。
要改善这样的问题，一个必要条件是需要建立一个足够完备的跨人种，跨年龄的人脸数据库；在国内的话，是 以汉族人为主，同时跨年龄的人脸数据库也比较难收集，需要不短的时间跨度。
3、产品体验
① 近来备受关注的刷脸支付，很多时候都会要求用户输入全手机号，或手机号后四位，以缩小用户搜索库大 小，实际上这是比较影响体验的。
② 西安一高校晨读刷脸签到，由于系统实际响应匹配时间过长，导致学生排百米长队。
人脸识别+金融：（1）实名认证：
金融机构传统上使用人工肉眼判断、短信验证、绑定银行卡等手段进行实名认证。这些传统手段存在准确率不高、客户体验较差、成本高等问题，对金融企业业务发展造成了巨大的困扰。基于人脸识别的实名认证方式具有准确率高（一亿人中才存在两人长相相同）、客户体验好（认证速度快、客户操作少）、成本低（相较于传统认证方式）的优点，已被众多**金融企业所采用。
（2）人脸识别在银行远程开户上的应用：
在远程开户时，金融机构可以通过智能终端在线上进行身份鉴权验证，使用人脸识别技术开户可以极大提升业务办理的安全性、时效性，并节省大量人力；
（3）刷脸取款：
在这方面人脸取代了银行卡，只需要人脸+密码即可完成取款。在前两个方面，人脸识别技术已经被国内各大银行广 泛采用，刷脸取款方面，农行和招行抢先一步在ATM上线了刷脸取款功能。
文章来源地址: http://aqfh.m.chanpin818.com/aqjcsb/deta_2797077.html
免责声明： 本页面所展现的信息及其他相关推荐信息，均来源于其对应的用户，本网对此不承担任何保证责任。如涉及作品内容、 版权和其他问题，请及时与本网联系，我们将核实后进行删除，本网站对此声明具有最终解释权。
