面向未来:面部识别领域的新应用及趋势

日期:  
2019年 10月 26日
作者: 
Anne Corning  | 
主题: 

目前,仅美国的监控摄像头安装量就已达到6200万个1,全球面部识别(FR)摄像头安装量达到约6.5亿个2;每天,人们口袋里随身携带的具有FR面部识别功能的设备数量达到数百万台。虽然面部识别技术已经面世一段时间,但3D感测、人工智能和机器学习领域取得的最新进展正在以可能从根本上改变政府、工业和执法行动等领域的方式扩展其应用。

机场正在开始利用面部识别技术对国际登机旅客进行交叉核对。图片来源

相比其他生物特征识别方法(比如指纹、虹膜扫描等),面部识别方法更具优势,因为面部无需主体的主动参与:摄像头可以仅基于接近度来采集任何人的面部特征。

面部识别可大致分为以下三类功能:3

  • 基础面部识别(FR)系统仅识别面部的存在,用于应用“Animoji”图像和Instagram过滤器等目的。相机首先寻找面部的定义特征(一双眼睛、鼻子和嘴巴),然后利用算法帮助确定面部的方向和运动,例如嘴巴是张开还是闭合。无法测量独特的面部特征或进行个别识别。
  • 面部识别。这些应用程序的工作方式是,首先通过测量可识别人脸的独特特征来存储人脸的图像。要访问设备或设施,该人员必须再次展示自己的面部,然后面部识别系统会测量其特征,并基于所存储的面部图像确认其身份。
  • 面孔搜索。出于安全性、广告或执法目的,有些系统用于识别未知面孔。它们的操作类似于面部识别功能,但算法并非将一个人与所存储的参考面部相匹配,而是搜索广泛的面部数据库以找到匹配面孔。

2D与3D面部识别系统之比较

当今使用的大多数面部识别软件都依赖于二维(2D)技术,即照片或视频图像。这些图像很容易获取,例如通过使用来自监控摄像头的录像素材、人们的Facebook个人资料照片等。

然而,将2D图像用于面部识别也具有一些缺点。由于照片是平面的,因此虽然算法可以测量部分特征(比如人眼之间的距离),但无法测量深度或尺寸(比如鼻子或下巴突出的长度)。另外,2D识别系统依赖于可见光谱来采集图像。如果环境光线昏暗或阴暗,则可能会影响识别精度。

最新出现的基于不可见近红外光(NIR)的三维(3D)感测系统可提供更多的细节,并消除了对环境光线的依赖。基于近红外光的面部识别系统的工作原理是将微小的点阵模式光束【通过一种称为衍射光学元件(DOE)的滤光片发出近红外激光来创建】投射到人脸上。NIR近红外光相机采集这些点阵光束的反射,利用反射光束模式的变化和/或返回时间来创建人脸的3D“图”。

智能手机上近红外光发射器的特写镜头。

当然,在2D和3D面部识别类别中,该技术的实施方式具有很多变种,包括混合(多模式)系统。

新兴面部识别系统使用案例

面部识别技术的最新、最热门应用主要集中在安全(例如:控制设备或设施的访问权,仅允许经授权人员访问)、公共安全和执法(例如:面部识别技术在华盛顿特区用于识别 枪击案嫌疑犯)领域。

瑞士停车场中的摄像头系统,其可进行面部识别;识别车辆品牌、型号和颜色;并读取车牌号。

当生物识别数据经过优化并与人工智能或机器学习功能结合使用时,潜在应用范围非常广泛。下面给出了 一些例子:

  • 汽车制造商Subaru率先将面部识别系统引入其最新的Forrester车型。该系统将红外光LED和摄像头搭配使用,用于监控驾驶员注意力不集中或嗜睡的迹象,并在必要时向他们发出警告。该系统可以识别多达5名驾驶员,因此可以针对每名驾驶员自动调整设置和偏好。
  • 酒店业正在考虑使用面部识别系统来识别客人,甚至与客人进行互动,在一项调查中,72%的酒店经营者希望在未来四年内部署这项技术1。当客人加入酒店的忠诚计划后,面部识别系统可以使礼宾服务和特别待遇提高到新的水平。
  • 在医疗保健领域,深度学习和面部分析技术已经可以:
    • “更准确地跟踪患者对药物的使用
    • 检测基因疾病,比如DiGeorge综合征,成功率达到96.6%
    • 支持疼痛管理程序。”4
  • 对于辅助生活或记忆护理设施领域的医疗保健提供商,面部识别技术可以提供一层额外的患者保护,例如当患者在设施内走丢的情况下。
  • 零售是面部识别应用的另一个热门领域,Amazon Go和Saks Fifth Avenue等商店已经在测试将客户链接到其在线个人资料以及跟踪其在商店中的活动的方法。
  • 将零售整合提升到新的水平,炸鸡连锁店肯德基与中国零售和科技巨头阿里巴巴都在测试面部识别支付解决方案。
  • 除了面部识别之外,计算机情绪识别领域也在不断发展,其原理是通过分析面部特征的几何组成和外观以及从转换后的图像中提取的参数(比如特征脸、动态模型和3D模型)来进行识别。4

先进的面部识别系统在提高安全性、保障性和便利性方面具有巨大的潜力。当前的3D面部识别系统在不到5秒的时间内精确采集面部图像的成功率达到99.44%5。然而,人们对于面部识别技术的广泛使用和潜在滥用存在隐私泄露和其他方面的担忧,如果系统进行虚假识别或被黑客入侵,则存在隐私泄露等风险。这些考虑因素不在本博客文章的讨论范围之内,BBC新闻Phys.org曾对此进行了详细讨论。

确保NIR近红外光面部识别设备的质量

在Radiant,我们在面部识别方面的工作主要集中在测量和测试使用基于NIR近红外光3D感测技术的产品(比如智能手机和平板电脑、汽车以及其他以消费者为中心的应用)在设备安全方面的性能。

面部识别系统模拟,其将不可见的NIR近红外光点阵光束模式投射到用户的面部以解锁手机。

随着3D近红外光感测系统的迅速采用,制造商们对有效测量近红外光发射器精度方法的需求日益增长。尽管3D近红外光技术能够比以前的2D(摄影)方法提供更准确的面部识别,但NIR近红外光系统仍然会遇到性能问题。如果近红外光发射在空间范围、位置或强度方面不准确,将会怎么样?当低输出或放置位置不佳的发射被感测设备解读时,将会发生什么?

此外,在使用近红外光波长时,还有一些安全方面的考虑因素。由于它们对人类来说是不可见的,因此不会触发“保护性反应”(眨眼或远离亮光)。然而,近红外光波长可能进入眼睛,并且由于功率过大(每个区域的辐射量过多),可能会对视网膜或角膜造成损害。出于安全原因,制造商必须精心设计和测试发射近红外光波长范围光线的面部识别和眼部检测系统,以确保它们以正确的水平发射光线。

为了确保设备的质量、精度和性能,制造商采用测量方法来测试近红外光光源(主要是近红外光LED和VCSEL激光器)的设计和制造。理想情况下,测量系统可以采集各种不同的特性,比如发射均匀性、最大功率或强度、辐射通量、发射分布或空间位置,并且可以在整个分布区域内测量这些参数。

Radiant Vision Systems的NIR近红外光辐射强度测量镜头系统是一种相机/镜头一体化解决方案,可测量940nm近红外光发射器的角度分布和辐射强度。该系统使用傅里叶光学器件,可通过单次测量采集±70度倾斜度和360度方位角范围内的完整锥体发射数据,从而极其快速地为您高度精确的结果,是线上质量控制应用的理想选择。

Radiant的NIR近红外光辐射强度测量镜头解决方案,包括专业镜头、搭配使用的 ProMetric®Y16成像辐射计和TT-NIRI™软件。

3D感测技术制造商可以采用NIR近红外光辐射强度测量镜头解决方案对近红外光LED、激光器和衍射光学元件(DOE)产生的结构光模式进行角度测量。该镜头与Radiant Vision Systems的ProMetric® Y16成像辐射计搭配使用,并配备ProMetric®TrueTest™软件,可提供直观的系统设置和自定义自动化测量序列。TT-NIRI™软件模块可提供针对近红外光发射测量的额外测试。

如需了解更多有关如何确保NIR近红外光发射精度的信息,请阅读我们的白皮书:“通过精确地测量近红外光(NIR)光源实现有 效的3D面部识别

 

引用文献:

  1. Xie, M., “The Future of Biometric Facial Recognition” ,《福布斯》 (Forbes)杂志,2008年9月19日。链接
  2. Heinzman, A., “How Does Facial Recognition Work?”,How-To-Geek,2019年7月11日。LINK
  3. Kharkovyna, O., “Facial Recognition And AI: Latest Developments And Future Directions”, Medium,2019年2月1日。链接
  4. “Facial recognition; top 7 trends (tech, vendors, markets, use cases and latest news)”,发布于Gemalto.com,2019年8月29日检索。链接
  5. 来自2018年生物特征识别技术大会的结果,该大会由国土安全部科学技术理事会主办,Gemalto.com报道,2019年。LINK
Application: