展开

关键词

人脸别在线上金融业务中应用风险

人脸别在金融应用 2015年末,央行《关于改进个人银行账户服务加强账户管理通知》中明确提出,提供个人银行账户开立服务时,有条件银行可探索将生物特征识别技术和其他安全有效技术手段作为核验开户申请人身份信息辅助手段 为落实中国人民银行要求,各金融机构开始大力探索、推进人脸识别技术在各领域应用人脸识别作为一种生物识别技术,被广泛运用于金融领域,主要作用是实现在线身份认证。 戴上眼镜、帽子、面具等伪装手段,或者可以制作人皮高仿模型、将2D人脸照片3D建模、利用AI技术将静态照片变成动态照片等多种技术均,混淆算法判断,达到欺骗系统目的。 因此,外部客观因素对人脸识别也带来较多影响。 多方面提升人脸识别应用安全 客户身份识别是金融机构预防洗钱犯罪、防范金融风险第一道安全防线。 人脸识别应用安全需要在三方面加强: 第一,提升人脸识别系统精准度,例如通过模型和算法提高真伪判别;基于空间域检测,例如图像取证检测、生物频率,如GAN伪影检测、基于生物信号检测,视声不一致以及视觉不自然等

12450

专访 | 蚂蚁金服生物识别技术负责人陈继东:数据驱动人工智能引发行业变革

我们所希望是整个人脸别在金融级进行应用实践,这是应用驱动、需求驱动,不是单纯为了做人脸识别这个技术。一个技术能否大规模商用,很多情况下跟它应用场景是有很大关系。 机器之心:在众多生物识别技术中,为什么选择人脸识别结合眼纹识别的验证方式? 陈继东:生物识别在金融应用始于需求。短信、密码体验差,很多人记不住。 机器之心:能否分享一下如何将人脸识别精度提升到金融交易应用级别的要求? 陈继东:在保证极低误同时拥有很高准确率,是人脸识别金融级精准度基础要求。 所以综合来看,人脸识别技术大规模应用,特别在金融场景下应用,不仅仅是算法问题,更多是一个产品和系统工程问题。 虽然人脸相对不是那么隐私数据,特别在城市中大量摄像头在扫描和监控人脸信息,用户也习惯了把自己照片上传到网络,但是我们从数据安全和隐私保护角度来说,希望图像存储和传输除了加密之外,能够把特征提取出来不可还原

873130
  • 广告
    关闭

    人脸识别限时特惠,10万次资源包仅需9.9元!!

    基于腾讯优图强大的面部分析技术,提供包括人脸检测与分析、比对、搜索、验证、五官定位、活体检测等多种功能,为开发者和企业提供高性能高可用的人脸识别服务

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    Face Recognition 人脸识别该如何测试

    01 测量人脸识别的主要性能指标有 1.误率(False;Accept;Rate;FAR):这是将其他人误作指定人员概率; 2.拒率(False;RejectRate;FRR):这是将指定人员误作其它人员概率 计算机在判别时采用阈值不同,这两个指标也不同。一般情况下,误率FAR;随阈值增大(放宽条件)而增大,拒率FRR;随阈值增大而减小。 那么针对这个原理,在测试时需要考虑不同肤色,或者是面部特征过于复杂案例,比如黑人、比如脸上有皱纹老人。 再看人脸比对。 实际应用场景中,人脸比对本质是照片比对。 3) 连续检测:通过连续检测,验证人脸运动轨迹是否正常,防止防止跳过活体检测直接替换采集照片,也能够防止中途切换人。 其中活体检测是现在应用最广一种抗攻击人脸数据采集方式。 目前人脸别在金融、教育、景区、出入境、机场等领域已经大量应用,方便同时也带来了一些问题,怎么做好人脸识别的测试,还是一个需要思考和深挖课题。

    75710

    人脸识别该如何测试

    01 测量人脸识别的主要性能指标有 1.误率(False;Accept;Rate;FAR):这是将其他人误作指定人员概率; 2.拒率(False;RejectRate;FRR):这是将指定人员误作其它人员概率 计算机在判别时采用阈值不同,这两个指标也不同。一般情况下,误率FAR;随阈值增大(放宽条件)而增大,拒率FRR;随阈值增大而减小。 那么针对这个原理,在测试时需要考虑不同肤色,或者是面部特征过于复杂案例,比如黑人、比如脸上有皱纹老人。 再看人脸比对。 实际应用场景中,人脸比对本质是照片比对。 3) 连续检测:通过连续检测,验证人脸运动轨迹是否正常,防止防止跳过活体检测直接替换采集照片,也能够防止中途切换人。 其中活体检测是现在应用最广一种抗攻击人脸数据采集方式。 目前人脸别在金融、教育、景区、出入境、机场等领域已经大量应用,方便同时也带来了一些问题,怎么做好人脸识别的测试,还是一个需要思考和深挖课题。

    2.6K20

    Face Recognition 人脸识别该如何测试

    现如今人脸识别已经越来越贴近我们生活,那么在我们生活圈子大家知道哪些东西应用到我们的人脸识别技术吗??? 可在下方留言让大家看看你眼力见?? 01 测量人脸识别的主要性能指标有 1.误率(False;Accept;Rate;FAR):这是将其他人误作指定人员概率; 2.拒率(False;RejectRate;FRR):这是将指定人员误作其它人员概率 计算机在判别时采用阈值不同,这两个指标也不同。一般情况下,误率FAR;随阈值增大(放宽条件)而增大,拒率FRR;随阈值增大而减小。 那么针对这个原理,在测试时需要考虑不同肤色,或者是面部特征过于复杂案例,比如黑人、比如脸上有皱纹老人。 再看人脸比对。 ? 实际应用场景中,人脸比对本质是照片比对。 目前人脸别在金融、教育、景区、出入境、机场等领域已经大量应用,方便同时也带来了一些问题,怎么做好人脸识别的测试,还是一个需要思考和深挖课题。

    1.6K40

    身份采集、活体检测、人脸比对...旷视是如何做FaceID? | 公开课笔记

    从可以人脸解锁手机,到人脸识别打卡机,甚至地铁“刷脸”进站…… 人脸识别技术越来越多地应用在了各种身份验证场景,在这种看起来发生在电光火石之间应用背后,又有哪些不易察觉技术在做精准判别? 在本次公开课上,他讲述了深度学习在互联网身份验证服务中应用以及人脸识别活体检测(动作、炫彩、视频、静默)技术应用场景及实现方式。 ? 深度学习技术迅猛发展,使得图像识别、分类跟检测准确率大幅提高,但真正要做成一套金融级解决方案还不是那么简单,这张图就展示了一个整体 FaceID 提供金融级整体解决方案。 ? 这里面有些技术细节,包括人脸质量检测,人脸关键点感测跟跟踪,脸部 3D 姿态检测。这是我们整个技术一些核心竞争力。 第二个 1:N 应用,主要应用场景是安防,也就是说我们提供一张人脸照片,在数据库里面去查找已知,最相似的这样一个人脸是 1:7 应用,FaceID 主要应用技术场景是 1:1。

    4K61

    中科院百人计划专家深度解析:银行业务光凭“刷脸”真的靠谱吗?

    主要考量两张人脸照片为同一个人时,系统判断成功并予以通过概率,越大越好; 错误接受率,也叫误率。主要考量两张人脸照片不是同一个人时,系统错误判断为同一人概率,越小越好。 一个性能指标是: 比对速度,即两张人脸图片比对所花时间。 总的来说,银行一般会要求将误率控制到万分之一以下,通过率必须达到 90% 以上,比对速度控制到 1 秒以内。 但是人脸相对于其他生物特征识别在应用上有显著优点: 首先,人脸识别使用方便,可非配合,不需接触,没有侵犯性,容易接受。 自由问答环节 1、现在声纹识别已经比较成熟 ,关键是没有一个权威声纹库 ,现在金融机构自行搭建一个内部库意义大吗? 答:3D 重建需要算法与设备都比较复杂,不是简单能够实现。可以通过图片预处理去噪,还可以通过有噪点大数据进行训练来解决。

    56160

    OPPO终于让安卓“露脸”,IFAA本地人脸方案成幕后功臣

    这一被视为安卓终于追平苹果技术方案,和iPhone X“Face ID”一样满足了金融级别的移动支付安全要求。OPPO公布官方数据显示其3D人脸率为百万分之一。 这些难题包括了实现从“3D结构光硬件设计”到“人脸信息采集输出”安全保障;借助创造性“双芯”模式、破解安全环境下运算能力不足问题;弥补3D活检算法及评估检测认证空白;以及提高成功率与产业链协作统一 让安全的人脸识别 成为安卓系统“标配” 指纹时代,在保障全链路安全基础,IFAA已将指纹识别的接入时间由2个月下降为2周,并且大幅降低了手机厂商适配成本。 目前IFAA已主导了6项联盟标准,并牵头国家标准5项、参与国家重大专项1项,还推动了2项国际标准制定。 本次本地人脸解决方案推出,代表IFAA已经具备了本地人脸识别技术在行业全面应用能力。 接下来,IFAA将不遗余力与生态伙伴一起,推动本地人脸识别技术(Face ID)在行业端赋能应用,让更多用户体验到这一技术带来安全便利。

    9030

    中兴智能视觉大数据:未来五年人脸识别市场规模将保持年均25%增长速度

    人脸识别的应用 人脸别在我国应用场景越来越多,中兴智能视觉大数据就可以给大家说说,如近日上海地铁试行人脸识别,乘客刷脸秒进站;北京通州区推出北京市首个人脸识别全业务办税等。 人脸识别搭载开门记录等功能,使得刷脸开门禁越来越常见。 家居之外,人脸识别产品也正广泛应用金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领域。 随着国内平安城市、智慧城市项目的深入发展,城市监控高清化进一步得到普及,摄像机数量大规模增长,使得人脸别在数据采集阻碍大大减小,提升了人脸识别的质量与应用领域。 、判断及识别;除此之外,还符合视觉特性:“以貌人”特性,以及操作简单、结果直观、隐蔽性好等特点。 这些都会影响人脸识别的灵敏性,甚至影响人脸识别的结果,最终带来安全隐患。 用户长久使用人脸识别,绝非看中它新奇。人脸别在具体领域应用,具有概念新、实用性强等特点,应用结果极具便利性。

    61650

    详解苏宁门店的人脸识别技术

    1:1和1:N,其底层技术是相同,区别在于后者率会随着N增大而增大,如果设置较高相似度阈值,则会导致拒率上升。 拒和误二者不可兼得,所以评价人脸识别算法时常用指标是误率小于某个值时(例如0.1%)率。 目前研究主要集中在网络结构改进和损失函数改进。随着研究深入,目前人脸识别技术壁垒正在被打破,而人脸数据库资源是业内巨头保持领先另一个重要武器。 为了解决这些问题,苏宁已经开启基于3D传感器的人脸识别技术研发。 基于3D结构光测距得到的人脸特征具有响应快、防攻击、对环境光照不敏感优点,可以很好补充苏宁一些受限场景下的人脸识别应用。 参考文献 [1] Guo Y, Zhang L.

    1.7K30

    求求你别在重新造轮子了,这里有快速搭建人脸行人车辆等热门应用简单方法

    OpenVINO是英特尔推出一套基于深度学习计算机视觉加速优化框架,支持其它机器学习平台模型压缩优化、加速计算等功能。 自发布以后就得到开发者青睐,其强大模型优化与压缩能力与加速计算引擎带来速度提升让人十分惊喜,前面发布过一篇文章,详细介绍了OpenVINO架构与其加速引擎(Inference Engine-IE )使用,如何帮助开发者在CPU对深度学习模型跑出实时帧率,文章链接如下: 相关内容链接 使用OpenVINO ToolKit 实时推断 OpenCV调用Faster-RCNN对象检测网络 其下载地址如下 这些模型库涵盖了很多视觉应用场景通用模型,可以快速搭建项目原型,得到效果,同时还支持把tensorflow/caffe等框架训练出来模型通过模型优化器,优化处理成为二进制IR模型。 图像大小为1600x1200, i7 CPU笔记本运行,这速度还用多说吗?

    45420

    人脸识别长篇研究

    方法为代表非线性建模方法和基于3D信息3D人脸识别方法。 在金融、安防、零售领域分别开始了商业化探索成功发育出Face++Financial,Face++Security,Face++BI等垂直人脸验证解决方案,主要将人脸识别应用在互联网产品,自己做研发,在美图秀秀 四、行业应用 1、人脸识别(FR)+其他行业 1)FR+金融: (1)实名认证: 金融机构传统使用人工肉眼判断、短信验证、绑定银行卡等手段进行实名认证。 (2)人脸别在银行远程开户应用: 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安全性、时效性,并节省大量人力; (3)刷脸取款: 六、FR个人看法 1)人脸识别的现状 (1)实验室效果和现实效果对比,差距巨大 现如今的人脸识别技术在金融、安防等领域应用实际效果要比实验室里差很多,前阵子西安某高校引入人脸识别晨读打卡

    5K182

    一文读懂人脸识别技术(建议收藏)

    Kernel方法为代表非线性建模方法和基于3D信息3D人脸识别方法。 在金融、安防、零售领域分别开始了商业化探索成功发育出Face++Financial,Face++Security,Face++BI等垂直人脸验证解决方案,主要将人脸识别应用在互联网产品,自己做研发,在美图秀秀 04 行业应用 1. 人脸识别(FR)+其他行业 1.1 FR+金融 (1)实名认证 金融机构传统使用人工肉眼判断、短信验证、绑定银行卡等手段进行实名认证。 (2)人脸别在银行远程开户应用 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安全性、时效性,并节省大量人力。 人脸识别的现状 1.1 实验室效果和现实效果对比,差距巨大 现如今的人脸识别技术在金融、安防等领域应用实际效果要比实验室里差很多,前阵子西安某高校引入人脸识别晨读打卡,由于反应速度太慢

    5.1K92

    亚马逊人脸识别系统再“犯错”,国内“学友八杀”后又有“神探” 立功了

    ACLU 再次强调了 AI 对有色人种种族歧视,在这 28 人中,有 6 名黑人议员,而此前人脸别在识别有色人种时也多次出现了错误。 ? 无独有偶,英国警察使用人脸识别系统率更高,高到准确率只有 2%(注:误具体计算数据并未给出),这是今年 7 月初,在伦敦议会听证会上,大都会警察局局长 Cressida Dick 透露数据 而在去年 6 月欧冠联赛,南威尔士警方使用的人脸识别系统发出了 2470 次警报,但识别正确只有 173 次。去年 8 月底,使用人脸识别技术英国警察一天之内就抓错了 35 个人。 误率如此之高,人脸识别技术真不是来给警察叔叔帮倒忙?另外,即便这项技术也遭到民众抗议,但也没有阻止英国执法机构固执地要尝试这项新技术。 国内人脸识别的使用倒不涉及有色人种歧视问题,加上这片土地的人民本身对隐私不怎么在乎,这就为这项技术应用扫清了障碍,剩下就看硬技术实力了,人脸别在国内表现可谓战功赫赫。

    21420

    NodeJS人脸识别(2)

    今天我们来看下SDK文档关于人脸识别其他接口,我们可以来看看整套人脸识别具体有什么功能,我们可以怎么在实际应用中去进行应用呢? 人脸更新 我们一篇讲到了人脸注册,每个人脸会绑定一个唯一userId, 当然,既然注册了必须要有更新功能。 如果用户人脸信息只存在于一个用户组,那直接删除不会出问题。如果用户人脸存在于多个用户组,我们一般不能直接全部删除,因为不同用户组可能应用于不同场景应用。 frr_1e-4:万分之一误阈值;frr_1e-3:千分之一误阈值;frr_1e-2:百分之一误阈值。 误率越低,准确率越高,相应拒绝率也越高 可以看到返回thresholds值为0.97.代表基本不可能为同一个人。因为我选择是两张不同网络图片。

    1.2K40

    AI落地AR升华——“你是个什么垃圾?”终于有答案了

    根据官方公布数据显示,AR垃圾试运行第1周,已经有超过300万人查询,其中虾壳、面膜、瓜子壳、包裹着猫屎猫砂等荣登十大“拎不清”垃圾,市民查询次数最多。 ,通过多种技术手段,将计算机生成文字、图像、三维模型、音乐、视频等虚拟信息模拟仿真后,应用到真实世界中,让人们在感官实现对真实世界“增强”。 3D环境理解在学术界里主要对应是计算机视觉领域,而近年来深度学习在计算机视觉中得到广泛应用。交互方面,更趋自然交互方式如手势和语音在硬件终端使用,得益于近几年深度学习在相关领域突破。 图片来源:百度 在交互方式方面,主要包括语音识别和手势识别,语音识别在目前已经取得了较大进展,国内如百度、科大讯飞、云知声等都是其中佼佼者,AR公司更想突破是手势识别的成熟商业化。 而众所周知是,传统AR应用,只能把虚拟或者脑洞大开设想出物体静止呈现出来,而在行为形态和感知毫无作用,也就是说,只能在视觉产生真实感,仅此而已。

    31140

    互联网和大数据推动人工智能发展 “AI+X”将实现人工智能生活化

    人脸识别技术是基于人脸部特征信息进行身份识别的一种生物识别技术,也是机器视觉领域中一个重要且最早成熟技术之一,成为人工智能技术产业结合排头兵,由于其本质上属于“风险控制”,主要被应用于风控要求很高金融和支付行业 AI+商业银行 中信银行拥抱智能化 在当前利率市场化、互联网金融蓬勃发展、经济新常态三大因素形成共振历史转折点,我国商业银行经营模式面临着前所未有的挑战。 在AI+X沙龙中,旷视科技(Face++)以中信银行为例,为嘉宾解读人脸别在商业银行中应用前景和对金融行业智能化变革带来巨大价值。 人脸识别低于万分之一率和单次毫秒级业务处理效率,可以满足风险防控和业务推动双方面的刚性需求。 然而移动支付安全问题也相应而生,验证码、数字证书、短信校验、或者介质盾牌都有被盗取、丢失风险,而人脸是用户独特且无时无刻可取的人体密码,面部特征值相比指纹更复杂也更难以破解,因此人脸别在移动支付安全和授权中应用具有很大潜力

    45380

    的卢深视户磊:大库时代,落地千万级刷脸系统技术剖析与建库经验 | AI 安防峰会

    在下午场演讲环节,的卢深视CEO户磊为峰会带来了精彩演讲。 户磊提到,大库时代,金融、交通、应急管理等众多场景亟需千万级精准人脸识别技术方案。 从2D人脸3D人脸都是在拍人脸,只不过前端传感器不同,相机从2D相机换成了3D相机,其实3D相机本身包含2D信息,这在2015年、2016年是比较前瞻性应用,现在随处可见,高铁站的人脸识别设备、酒店前台的人脸识别终端都在应用 同时,在恢复三维人脸模型提取三维人脸特征,最后进行比对。 在后台应用上,我们一整套后台应用服务器,能够单独部署,也可以集成部署,并且支撑高并发请求快速处理和及时响应。 最后回到今天主题,随着人脸别在各行各业得到更多用户认可,千万级大库应用进一步升级也会成为重要课题。 任何一个系统随着广泛应用都受到更多关注,也会催生更多新需求,我们坚持回到技术本身,从技术提升应用能力。

    19660

    扫码关注腾讯云开发者

    领取腾讯云代金券