人臉認證登錄系統

通過辨識色彩和區域驗證是否是人臉,是否是同一人臉,達到防偽效果。是一種新型技術

基本介紹

  • 中文名:人臉認證登錄系統
  • 外文名:Tencent Research Face Authentication
  • 簡稱:TRFA
  • 機構:騰訊研究院
人臉認證登錄系統,什麼是人臉認證登錄,人臉認證主要功能模組,人臉認證登錄的優勢,人臉認證技術的難度,人臉認證登錄系統介紹,系統架構,實現流程,算法解析,人臉認證登錄最佳化,活體檢測,自適應學習,

人臉認證登錄系統

(簡稱TRFA:Tencent Research Face Authentication)是由騰訊研究院研製的,核心技術取得了良好進展,即將進入套用階段。

什麼是人臉認證登錄

從功能上來看,人臉認證登錄系統是基於終端攝像頭的一種身份加密技術,其核心為人臉識別技術。它通過
視頻掃描來確認使用者的身份。用戶在進入登錄界面時,終端將自動通過攝像頭將用戶圖像傳入人臉識別系統,系統對人臉特徵進行分析鑑定後,確定用戶是否合法。

人臉認證主要功能模組

人臉捕獲與跟蹤功能:
人臉捕獲是指在一幅圖像或視頻流的一幀中檢測出人像並將人像從背景中分離出來,並自動地將其保存。人像跟蹤是指利用人像捕獲技術,當指定的人像在攝像頭拍攝的範圍內移動時自動地對其進行跟蹤。
人臉識別比對:
人臉識別分核實式和搜尋式二種比對模式。核實式是對指將捕獲得到的人像或是指定的人像與資料庫中已登記的某一對像作比對核實確定其是否為同一人。搜尋式的比對是指,從資料庫中已登記的所有人像中搜尋查找是否有指定的人像存在。
人臉的建模與檢索:
可以將登記入庫的人像數據進行建模提取人臉的特徵,並將其生成人臉模板(人臉特徵檔案)保存到資料庫中。在進行人臉搜尋時(搜尋式),將指定的人像進行建模,再將其與資料庫中的所有人的模板相比對識別,最終將根據所比對的相似值列出最相似的人員列表。
真人鑑別功能:
系統可以識別得出攝像頭前的人是一個真正的人還是一幅照片。以此杜絕使用者用照片作假。此項技術需要使用者作臉部表情的配合動作。
圖像質量檢測:
圖像質量的好壞直接影響到識別的效果,圖像質量的檢測功能能對即將進行比對的照片進行圖像質量評估,並給出相應的建議值來輔助識別。

人臉認證登錄的優勢

採用人臉認證登錄,可以免去繁瑣的密碼輸入,互動更加快捷方便。除此之外,作為一項典型的生物特徵識別技術,人臉登錄技術還具有其他加密手段不可比擬的一些優勢:
1、更符合人類的識別習慣。相比於冰冷的鍵盤和複雜的“娉娉裊裊十三餘, 豆蔻梢頭二月初”密碼,坐在終端前晃一晃腦袋就能登錄顯然更加親切;
2、圖像採集設備的成本低。人臉認證需要的終端攝像頭在PC和手機上幾乎都是標準的外設,這就避免了指紋虹膜等識別技術需要專門採集設備的麻煩;
3、非接觸式識別。用戶不需要觸摸甚至不需要靠近設備就能實現“遠程”登錄。操作便捷的同時也不會對用戶造成生理上的傷害,容易被大多數的用戶接受。
4、具備事後追蹤能力。人臉認證系統可以在登錄事件發生的同時保存當事人的人臉圖像,即使不懂技術的管理人員,也可以直觀的對事件進行監控和複查,這確保了系統具有良好的事後追蹤能力。

人臉認證技術的難度

經過近40年的發展,人臉認證已經成為監控系統的首選,眾多的商業人臉識別系統如雨後春筍般占據了電子考勤,場景監控等套用場所。目前,好的人臉識別系統在用戶配合、控制光照、採集條件理想的情況下其性能已經接近完美。在2006年和2008年美國國防部高級研究項目署分別組織的全球大規模人臉識別算法性能(FRVT2006和MBGC2008)評測中,最優秀的識別系統在錯誤識別率為千分之一時,取得了百分之九十九以上的識別率。然而,在非控制的採集環境下,人臉識別性能卻顯著下降,對不太容易解決的圖像正確識別率只有百分之八十六左右。
在今天,隨著無線網際網路和智慧型手機的普遍使用,人臉識別也面臨著越來越多的挑戰。在不可靠的採集環境下,用戶的面部表現千變萬化,其複雜程度遠遠超出了標準評測中獲取的圖片。總的來說,人臉認證技術的難度體現在:
1、圖像解析度低。在高解析度圖像下,人臉圖像能夠傳遞更加豐富的用戶信息。而在這些網際網路套用中,攝像頭的質量良莠不齊,這給有效提取面部特徵帶來了困難。
2、模態多樣性。由於採集設備的不同與環境光源的差異,人臉圖像有著多種不同存在的方式,如證件照,數碼照片,藝術照等。在不同的光照波段下,人臉反射率也造成了圖像信息的丟失。
3、光照,姿態,遮擋和表情等拍攝環境。這些因素一直以來都是人臉識別中較難解決的問題,如陰陽臉,黑框眼鏡,鬼臉等。
4、化妝與老化等不可避免的外界干擾。

人臉認證登錄系統介紹

系統架構

TRFA人臉認證服務的大體架構如上圖所示,分為接入層和服務層。其中,接入層對外提供基於HTTP協定的服務接口,主要完成接入用戶請求、登錄認證、分配套用伺服器、返回結果等功能;服務層提供具體的識別服務,完成單純的計算任務,並把結果返回給接入層。
人臉認證登錄系統

實現流程

(1) 人臉註冊流程
用戶在註冊時,需要登錄客戶端界面,輸入帳號UID和其他相關信息(比如用戶的姓名),並拍照向伺服器傳送一張或多張自己的正 面照片。服務層記錄該註冊請求的帳號UID,客戶端設備號DeviceID,並由接收到的照片生成該用戶的人臉特徵模板。
(2)人臉登錄流程
人臉登錄包括認證(Verification)和識別(Recognition)兩種模式。用戶只需人臉靠近攝像頭,系統實時檢測人臉並採集人臉視頻圖像傳送至伺服器端,伺服器端從待認證的人臉圖像中提取特徵後與事先存儲的用戶特徵模板進行比對。認證模式下,用戶需要選定其對應賬戶,伺服器端只進行該賬戶(該UID必須在DeviceID註冊列表中)的人臉模板比對,當比對分數超過給定閾值時,返回人臉登入成功信號。識別模式下,用戶不需要進行賬戶的選擇,伺服器端會進行該DeviceID下的全部已註冊UID的人臉模板比對。當比對分數超過閾值時,系統登錄進入最優相似度的賬戶。

算法解析

為了滿足不同套用場合的需要,人臉驗證算法需要考慮到終端質量,採集環境,人臉變化等多方面的因素。具體而言,一套完整的人臉註冊與認證系統包含以下步驟:
(1) 人臉檢測;
(2) 人臉關鍵點定位;
(3) 人臉形狀和紋理歸一化;
(4) 特徵抽取;
(5) 特徵降維;
(6) 模板比對(分類)
人臉認證登錄系統
在人臉註冊過程中,服務端只完成特徵抽取與降維;而人臉登錄過程中,服務端對獲取的圖像進行特徵抽取和降維後,根據分類器輸出該人臉圖像的置信度,以判斷該用戶是否匹配。如下圖所示,對於輸入的單張圖像,分別在客戶端進行人和關鍵點的定位,其次在伺服器層進行圖像歸一化與特徵抽取,並分別再註冊與驗證模式下進行後續的存儲和分類操作。系統提供了魯棒的人臉定位,能夠較好的應對人臉姿態的變化。為了應對不同採集環境下的光照條件,系統採用了一種新的圖像去光照方法,有效濾除了圖像的光照干擾。在特徵層面,分塊的局部特徵和全局特徵被分別抽取,同時結合局部特徵與全局特徵的編碼能夠避免圖像在表情,遮擋等影響下造成的局部紋理變形或者丟失。系統中採用了3種不同的特徵編碼模式(Gabor, LBP, HOG)。在特徵抽取之後,多類特徵分別進行後續的分類操作,並以加權的分數級融合作為圖像最終的驗證結果。此外,系統對於不同光照、環境中的差異,會通過每次登錄自學習的過程,逐步適應各種環境。

人臉認證登錄最佳化

在人臉產品的設計上,也要注意揚長避短,合理引導用戶並進行足夠的提示,使得人臉認證登錄系統發揮它最大的效能。

活體檢測

為了避免用照片等非生命體人像特徵矇混過關的情形,可以在人臉驗證中引入活體檢測技術,這就需要被識別者在人臉可被檢測到的範圍內,緩慢的左右搖頭並作出一些輕微的表情變化,以便幫助人臉識別系統確認是否具有生命特徵,從而加強人臉登入的安全性;

自適應學習

為了應對不同環境下的認證圖像與模版圖像之間的差異,系統需要具備自學習的功能,能夠在每次驗證的過程中,自動更新用戶模版,來縮短模版註冊的周期;
儘管現有的人臉認證系統仍然存在缺陷,但人臉認證登入的實用價值是不可否認的。隨著研究的不斷深入,相信人臉認證技術會更好的滿足用戶的需求。

相關詞條

熱門詞條

聯絡我們