整合營(yíng)銷服務(wù)商

          電腦端+手機(jī)端+微信端=數(shù)據(jù)同步管理

          免費(fèi)咨詢熱線:

          人臉識(shí)別技術(shù)分析

          身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎_掃臉識(shí)別身份證_面部識(shí)別身份

          1、人臉識(shí)別(FR技術(shù))產(chǎn)品的優(yōu)勢(shì)

          1)非接觸:

          人臉圖像的采集不同于指紋、掌紋需要接觸指掌紋專用采集設(shè)備,指掌紋的采集除了對(duì)設(shè)備有一定的磨損外,也不衛(wèi)生,容易引起被采集者的反感,而人臉圖像采集的設(shè)備是攝像頭,無(wú)須接觸。

          2)非侵?jǐn)_:

          人臉照片的采集可使用攝像頭自動(dòng)拍照,無(wú)須工作人員干預(yù),也無(wú)須被采集者配合,只需以正常狀態(tài)經(jīng)過(guò)攝像頭前即可。

          3)友好:

          人臉是一個(gè)人出生之后暴露在外的生物特征,因此它的隱私性并不像指掌紋、虹膜那樣強(qiáng),因此人臉的采集并不像指掌紋采集那樣難以讓人接受。

          4)直觀:

          我們判斷一個(gè)人是誰(shuí),通過(guò)看這個(gè)人的臉就是最直觀的方式,不像指掌紋、虹膜等需要相關(guān)領(lǐng)域?qū)<也趴梢耘袆e。

          5)快速:

          從攝像頭監(jiān)控區(qū)域進(jìn)行人臉的采集是非常快速的,因?yàn)樗姆歉深A(yù)性和非接觸性,讓人臉采集的時(shí)間大大縮短。

          6)簡(jiǎn)便:

          人臉采集前端設(shè)備——攝像頭隨處可見(jiàn),它不是專用設(shè)備,因此簡(jiǎn)單易操作。

          7)可擴(kuò)展性好:

          它的采集端完全可以采用現(xiàn)有視頻監(jiān)控系統(tǒng)的攝像設(shè)備,后端應(yīng)用的擴(kuò)展性決定了人臉識(shí)別可以應(yīng)用在出入控制、黑名單監(jiān)控、人臉照片搜索等多領(lǐng)域。

          2、FR三大識(shí)別場(chǎng)景

          1)人臉確認(rèn)(1:1):

          (1)簡(jiǎn)介:

          將某人面像與指定人員面像進(jìn)行一對(duì)一的比對(duì),根據(jù)其相似程度來(lái)判斷二者是否是同一人,相似 程度一般以能否超過(guò)某一量化閥值為依據(jù)。簡(jiǎn)單的說(shuō)就是A/B兩張照片比對(duì),產(chǎn)生的計(jì)算數(shù)值是否達(dá)到要求。

          (2)產(chǎn)品應(yīng)用:

          快速的人臉識(shí)別比對(duì),移動(dòng)支付認(rèn)證、安全性身份核對(duì)、作為身份確認(rèn)的一種新方式,比如考生身份確認(rèn)、公司考勤確認(rèn)、各種證件照和本人確認(rèn)。

          (3)實(shí)際問(wèn)題:

          產(chǎn)品在系統(tǒng)設(shè)計(jì)的邏輯上,需要先考慮調(diào)取已儲(chǔ)存對(duì)象信息的先驗(yàn)條件。通過(guò)界面/語(yǔ)音的提示,使得待認(rèn)證者預(yù)先知道自己正處于被核對(duì)的過(guò)程中,且已預(yù)先了解擬核對(duì)對(duì)象的身份。

          (4)比對(duì)來(lái)源的三種主要方式:

          1. 用戶自傳照片,比如支付寶的人臉比對(duì),用戶自傳的照片最大的問(wèn)題是照片質(zhì)量的合格率太低,拍照的光線、角度等因素會(huì)導(dǎo)致采集源的質(zhì)量下降,不利于后期的大批量人臉特征碼管理。

          2. 使用身份證讀卡器,讀取身份證上的照片,遺憾的是這張照片2K的大小,不過(guò)也是目前用最多的源照片提取方式,比較適合簽到場(chǎng)合。

          3. 使用公安部旗下NCIIC的人臉比對(duì)接口(注意,不是網(wǎng)紋照片接口,這個(gè)接口已經(jīng)不對(duì)外),使用的是直接的人臉比對(duì)接口。

          2)人臉辨認(rèn)(1:N):

          (1)簡(jiǎn)介:

          將某人面像與數(shù)據(jù)庫(kù)中的多人的人臉進(jìn)行比對(duì),并根據(jù)比對(duì)結(jié)果來(lái)鑒定此人身份,或找到其中最相似的人臉,并按相似程度的大小輸出檢索結(jié)果。

          (2)產(chǎn)品應(yīng)用:

          人臉開門、人臉檢索,排查犯罪嫌疑人、失蹤人口的全庫(kù)搜尋、一人多證的重復(fù)排查等。

          (3)實(shí)際問(wèn)題:

          1、走失兒童的項(xiàng)目中去: 這一類系統(tǒng)的部署需要兩個(gè)條件:A. BCD基本庫(kù)(比如1000萬(wàn)人) B. 強(qiáng)大的算法硬件

          2、零售店中的刷臉支付長(zhǎng)江,需要用戶預(yù)先輸入全手機(jī)號(hào),確定用戶身份再進(jìn)行人臉識(shí)別,將原本為1:N的問(wèn)題轉(zhuǎn)化為了1:1的問(wèn)題。

          (4)產(chǎn)品難點(diǎn):

          1、1:N中的N能夠支持多大

          ① 場(chǎng)景多樣化

          從一個(gè)班級(jí)百號(hào)人刷臉簽到,到一個(gè)公司千號(hào)人的刷臉打卡,再到一個(gè)學(xué)校的幾萬(wàn)人,一個(gè)四線城市幾十 萬(wàn)人,一個(gè)一線城市的幾千萬(wàn)人,難度是呈指數(shù)上升的。

          ② 公司實(shí)際情況

          目前各家公司的成熟人臉識(shí)別應(yīng)用能夠支持幾萬(wàn)到幾百萬(wàn)人不等的應(yīng)用場(chǎng)景,而且還有一個(gè)錯(cuò)誤率的概念。比如,公司宣稱千萬(wàn)分之一的錯(cuò)誤率的情況下(1/),人臉通過(guò)率其實(shí)只有93%,這是因?yàn)楹茈y做到一定不發(fā)生錯(cuò)誤,而且每個(gè)人都能識(shí)別通過(guò)。(假如一家公司說(shuō)自己能做到億分之一的錯(cuò)誤率,通過(guò)率能做到98%以上,多半是虛假宣傳,在實(shí)際使用中是很難達(dá)到的)

          2、非配合場(chǎng)景

          在配合場(chǎng)景下:比如ATM機(jī)刷臉取款,用戶會(huì)自主配合,將人臉以一個(gè)理想的角度通過(guò)識(shí)別。

          而在非配合應(yīng)用場(chǎng)景下,比如監(jiān)控視頻下的人臉識(shí)別,追蹤違法犯罪分子的身份信息,情況就要困難得多。這種情況下,用戶臉部會(huì)發(fā)生角度偏大,遮擋,光線不可控等問(wèn)題。

          3、跨人種,跨年齡識(shí)別問(wèn)題

          研究發(fā)現(xiàn),在一個(gè)數(shù)據(jù)集上訓(xùn)練好的模型,想到遷移到另外一個(gè)人種上,效果會(huì)出現(xiàn)較大程度的下降。另 外,人臉隨著年齡的變化帶來(lái)的改變也給人臉識(shí)別帶來(lái)不小的挑戰(zhàn)。

          要改善這樣的問(wèn)題,一個(gè)必要條件是需要建立一個(gè)足夠完備的跨人種,跨年齡的人臉數(shù)據(jù)庫(kù);在國(guó)內(nèi)的話,是 以漢族人為主,同時(shí)跨年齡的人臉數(shù)據(jù)庫(kù)也比較難收集,需要不短的時(shí)間跨度。

          4、產(chǎn)品體驗(yàn)

          ① 近來(lái)備受關(guān)注的刷臉支付,很多時(shí)候都會(huì)要求用戶輸入全手機(jī)號(hào),或手機(jī)號(hào)后四位,以縮小用戶搜索庫(kù)大 小,實(shí)際上這是比較影響體驗(yàn)的。

          ② 西安一高校晨讀刷臉簽到,由于系統(tǒng)實(shí)際響應(yīng)匹配時(shí)間過(guò)長(zhǎng),導(dǎo)致學(xué)生排百米長(zhǎng)隊(duì)。

          3)多人臉檢索(N:N):

          (1)簡(jiǎn)介:

          1:N同時(shí)作業(yè)就是N:N了,同時(shí)相應(yīng)多張照片檢索需求。

          (2)實(shí)際產(chǎn)品問(wèn)題中:

          1、在視頻級(jí)N:N的校驗(yàn)中,如果要提高通過(guò)率,很多時(shí)候是采取降低準(zhǔn)確率的方式,降低算法隊(duì)列數(shù)量;同樣在一些比賽中為了降低誤識(shí)率,大大提高了準(zhǔn)確率,所以算法在校驗(yàn)的過(guò)程中必須遵循至少一個(gè)固定標(biāo)準(zhǔn),追求的是速度效率還是最高準(zhǔn)確率。

          2、視頻流的幀處理所用,對(duì)服務(wù)器的計(jì)算環(huán)境要求嚴(yán)苛,目前的算法系統(tǒng)所支撐的輸出率非常有限。

          主要的限制如下:

          海量的人臉照片解析需要大量運(yùn)算(目前很少看到在采集端直接解析的,都是照片剪裁) 海量的人臉照片傳輸需要大量的帶寬(常見(jiàn)的720布控?cái)z像頭抓取最小的人臉照片為20K) 海量的人臉照片在后臺(tái)檢索需要耗費(fèi)大量的運(yùn)算(國(guó)內(nèi)主流主機(jī)為例,最多到24路攝像頭

          面部識(shí)別身份_身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎_掃臉識(shí)別身份證

          3、產(chǎn)品實(shí)戰(zhàn)中的物理問(wèn)題:

          1)光照問(wèn)題

          (1)簡(jiǎn)介:

          光照問(wèn)題是機(jī)器視覺(jué)重的老問(wèn)題,在人臉識(shí)別中的表現(xiàn)尤為明顯。由于人臉的3D結(jié)構(gòu),光照投射出的陰影,會(huì)加強(qiáng)或減弱原有的人臉特征。

          (2)解決思路:

          A、對(duì)其進(jìn)行包括光照強(qiáng)度和方向、人臉?lè)瓷鋵傩缘牧炕娌筷幱昂驼斩确治龅龋瑖L試建立數(shù)學(xué)模型,以利用這些光照模型,在人臉圖像預(yù)處理或者歸一化階段盡可能的補(bǔ)償乃至消除其對(duì)識(shí)別性能的影響,將固有的人臉屬性(反射率屬性、3D表面形狀屬性)和光源、遮擋及高光等非人臉固有屬性分離開來(lái)。

          B、基于光照子空間模型的任意光照?qǐng)D像生成算法,用于生成多個(gè)不同光照條件的訓(xùn)練樣本,然后利用具有良好的學(xué)習(xí)能力的人臉識(shí)別算法,如子空間法,SVM等方法進(jìn)行識(shí)別。

          2)人臉姿態(tài)問(wèn)題

          (1)簡(jiǎn)介:

          與光照問(wèn)題類似,姿態(tài)問(wèn)題也是目前人臉識(shí)別研究中需要解決的一個(gè)技術(shù)難點(diǎn)。姿態(tài)問(wèn)題涉及頭部在三維垂直坐標(biāo)系中繞三個(gè)軸的旋轉(zhuǎn)造成的面部變化,其中垂直于圖像平面的兩個(gè)方向的深度旋轉(zhuǎn)會(huì)造成面部信息的部分缺失。針對(duì)姿態(tài)的研究相對(duì)比較的少,目前多數(shù)的人臉識(shí)別算法主要針列正面、準(zhǔn)正而人臉圖像,當(dāng)發(fā)生俯仰或者左右側(cè)而比較厲害的情況下,人臉識(shí)別算法的識(shí)別率也將會(huì)急劇下降。面部幅度較大的哭、笑、憤怒等表情變化同樣影像著面部識(shí)別的準(zhǔn)確率。

          (2)解決思路:

          1、第一種思路:

          是學(xué)習(xí)并記憶多種姿態(tài)特征,這對(duì)于多姿態(tài)人臉數(shù)據(jù)可以容易獲取的情況比較實(shí)用,其優(yōu)點(diǎn)是算法與正面人臉識(shí)別統(tǒng)一,不需要額外的技術(shù)支持,其缺點(diǎn)是存儲(chǔ)需求大,姿態(tài)泛化能力不能確定,不能用于基于單張照片的人臉識(shí)別算法中等。

          2、第二種思路:

          是基于單張視圖生成多角度視圖,可以在只能獲取用戶單張照片的情況下合成該用戶的多個(gè)學(xué)習(xí)樣本,可以解決訓(xùn)練樣本較少的情況下的多姿態(tài)人臉識(shí)別問(wèn)題,從而改善識(shí)別性能。

          3、第三種思路:

          是基于姿態(tài)不變特征的方法,即尋求那些不隨姿態(tài)的變化而變化的特征。中科院計(jì)算所的思路是采用基于統(tǒng)計(jì)的視覺(jué)模型,將輸入姿態(tài)圖像校正為正面圖像,從而可以在統(tǒng)一的姿態(tài)空間內(nèi)作特征的提取和匹配。

          3)遮擋問(wèn)題

          對(duì)于非配合情況下的人臉圖像采集,遮擋問(wèn)題是一個(gè)非常嚴(yán)重的問(wèn)題。特別是在監(jiān)控環(huán)境下,往往彼監(jiān)控對(duì)象都會(huì)帶著眼鏡,帽子等飾物,使得被采集出來(lái)的人臉圖像有可能不完整,從而影響了后面的特征提取與識(shí)別,甚至?xí)?dǎo)致人臉檢測(cè)算法的失效。

          掃臉識(shí)別身份證_面部識(shí)別身份_身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎

          4)年齡變化

          隨著年齡的變化,面部外觀也在變化,特別是對(duì)于青少年,這種變化更加的明顯。對(duì)于不同的年齡段,人臉識(shí)別算法的識(shí)別率也不同。一個(gè)人從少年變成青年,變成老年,他的容貌可能會(huì)發(fā)生比較大的變化,從而導(dǎo)致識(shí)別率的下降。對(duì)于不同的年齡段,人臉識(shí)別算法的識(shí)別率也不同。

          5)人臉相似性

          不同個(gè)體之間的區(qū)別不大,所有的人臉的結(jié)構(gòu)都相似,甚至人臉器官的結(jié)構(gòu)外形都很相似。這樣的特點(diǎn)對(duì)于利用人臉進(jìn)行定位是有利的,但是對(duì)于利用人臉區(qū)分人類個(gè)體是不利的

          6)圖像質(zhì)量

          人臉圖像的來(lái)源可能多種多樣,由于采集設(shè)備的不同,得到的人臉圖像質(zhì)量也不一樣,特別是對(duì)于那些低分辨率、噪聲大、質(zhì)量差的人臉圖像(如手機(jī)攝像頭拍攝的人臉圖片、遠(yuǎn)程監(jiān)控拍攝的圖片等)如何進(jìn)行有效地人臉識(shí)別是個(gè)需要關(guān)注的問(wèn)題。同樣的,對(duì)于高分辨圖像對(duì)人臉識(shí)別算法的影響也需要進(jìn)一步的研究。

          7)樣本缺乏

          基于統(tǒng)計(jì)學(xué)習(xí)的人臉識(shí)別算法是目前人臉識(shí)別領(lǐng)域中的主流算法,但是統(tǒng)計(jì)學(xué)習(xí)方法需要大量的訓(xùn)練。由于人臉圖像在高維空間中的分布是一個(gè)不規(guī)則的流形分布,能得到的樣本只是對(duì)人臉圖像空間中的一個(gè)極小部分的采樣,如何解決小樣本下的統(tǒng)計(jì)學(xué)習(xí)問(wèn)題有待進(jìn)一步的研究。

          8)海量數(shù)據(jù)

          傳統(tǒng)人臉識(shí)別方法如PCA、LDA等在小規(guī)模數(shù)據(jù)中可以很容易進(jìn)行訓(xùn)練學(xué)習(xí)。但是對(duì)于海量數(shù)據(jù),這些方法其訓(xùn)練過(guò)程難以進(jìn)行,甚至有可能崩潰。

          9)大規(guī)模人臉識(shí)別

          隨著人臉數(shù)據(jù)庫(kù)規(guī)模的增長(zhǎng),人臉?biāo)惴ǖ男阅軐⒊尸F(xiàn)下降

          10)動(dòng)態(tài)識(shí)別

          非配合性人臉識(shí)別的情況下,運(yùn)動(dòng)導(dǎo)致面部圖像模糊或攝像頭對(duì)焦不正確都會(huì)嚴(yán)重影響面部識(shí)別的成功率。在地鐵、高速公路卡口、車站卡口、超市反扒、邊檢等安保和監(jiān)控識(shí)別的使用中,這種困難明顯突出;

          11)人臉?lè)纻?/p>

          偽造人臉圖像進(jìn)行識(shí)別的主流欺騙手段是建立一個(gè)三維模型,或者是一些表情的嫁接。隨著人臉?lè)纻渭夹g(shù)的完善、3D面部識(shí)別技術(shù)、攝像頭等智能計(jì)算視覺(jué)技術(shù)的引入,偽造面部圖像進(jìn)行識(shí)別的成功率會(huì)大大降低。

          12)丟幀和丟臉問(wèn)題

          需要的網(wǎng)絡(luò)識(shí)別和系統(tǒng)的計(jì)算機(jī)識(shí)別可能會(huì)造成視頻的丟幀和丟臉現(xiàn)象,特別是監(jiān)控人流量大的區(qū)域,由于網(wǎng)絡(luò)傳輸?shù)膸拞?wèn)題和計(jì)算能力問(wèn)題,常常引起丟幀和丟臉問(wèn)題。

          13)攝像機(jī)的頭像問(wèn)題

          攝像機(jī)很多技術(shù)參數(shù)影響視頻圖像的質(zhì)量,這些因素有感光器(CCD、CMOS)、感光器的大小、DSP的處理速度、內(nèi)置圖像處理芯片和鏡頭等,同時(shí)攝像機(jī)內(nèi)置的一些設(shè)置參數(shù)也將影響質(zhì)量,如曝光時(shí)間、光圈、動(dòng)態(tài)白平衡等參數(shù)。

          4、實(shí)戰(zhàn)中的數(shù)據(jù)標(biāo)注

          1)數(shù)據(jù)標(biāo)注

          (1)一般來(lái)說(shuō),數(shù)據(jù)標(biāo)注部分可以有三個(gè)角色

          1. 標(biāo)注員:標(biāo)注員負(fù)責(zé)標(biāo)記數(shù)據(jù)。

          2. 審核員:審核員負(fù)責(zé)審核被標(biāo)記數(shù)據(jù)的質(zhì)量。

          3. 管理員:管理人員、發(fā)放任務(wù)、統(tǒng)計(jì)工資。

          只有在數(shù)據(jù)被審核員審核通過(guò)后,這批數(shù)據(jù)才能夠被算法同事利用。

          (2)數(shù)據(jù)標(biāo)記流程

          1. 任務(wù)分配:假設(shè)標(biāo)注員每次標(biāo)記的數(shù)據(jù)為一次任務(wù),則每次任務(wù)可由管理員分批發(fā)放記錄,也可將整個(gè)流程做成“搶單式”的,由后臺(tái)直接分發(fā)。

          2. 標(biāo)記程序設(shè)計(jì):需要考慮到如何提升效率,比如快捷鍵的設(shè)置、邊標(biāo)記及邊存等等功能都有利于提高標(biāo)記效率。

          3. 進(jìn)度跟蹤:程序?qū)?biāo)注員、審核員的工作分別進(jìn)行跟蹤,可利用“規(guī)定截止日期”的方式淘汰怠惰的人。

          4. 質(zhì)量跟蹤:通過(guò)計(jì)算標(biāo)注人員的標(biāo)注正確率和被審核通過(guò)率,對(duì)人員標(biāo)注質(zhì)量進(jìn)行跟蹤,可利用“末位淘汰”制提高標(biāo)注人員質(zhì)量。

          2)模型訓(xùn)練

          數(shù)據(jù)標(biāo)記完成后,交由算法同學(xué)進(jìn)行模型的訓(xùn)練,期間發(fā)現(xiàn)的問(wèn)題可與產(chǎn)品一起商討。訓(xùn)練過(guò)程中,最好能可視化一些中間結(jié)果。一來(lái)可以檢測(cè)代碼實(shí)現(xiàn)是否有Bug,二來(lái)也可以通過(guò)這些中間結(jié)果,來(lái)幫助自己更好的理解這個(gè)算法的過(guò)程。

          3)模型測(cè)試

          測(cè)試同事(一般來(lái)說(shuō)算法同事也會(huì)直接負(fù)責(zé)模型測(cè)試)將未被訓(xùn)練過(guò)的數(shù)據(jù)在新的模型下做測(cè)試。

          如果沒(méi)有后臺(tái)設(shè)計(jì),測(cè)試結(jié)果只能由人工抽樣計(jì)算,抽樣計(jì)算繁瑣且效率較低。模型的效果,需要在精確率(識(shí)別為正確的樣本數(shù)/識(shí)別出來(lái)的樣本數(shù))和召回率(識(shí)別為正確的樣本數(shù)/所有樣本中正確的數(shù))中達(dá)到某一個(gè)平衡。

          測(cè)試同事需要關(guān)注特定領(lǐng)域內(nèi)每個(gè)類別的指標(biāo),比如針對(duì)識(shí)別人臉的表情,里面有喜怒哀樂(lè)等分類,每一個(gè)分類對(duì)應(yīng)的指標(biāo)都是不一樣的。測(cè)試同事需要將測(cè)試的結(jié)果完善地反饋給算法同事,算法同事才能找準(zhǔn)模型效果欠缺的原因。同時(shí),測(cè)試同事將本次模型的指標(biāo)結(jié)果反饋給產(chǎn)品,由產(chǎn)品評(píng)估是否滿足上線需求。

          (1)測(cè)試環(huán)境說(shuō)明

          例如:

          CPU:Intel(R) Core(TM) i7-4790 CPU @ 3.60 GHz

          內(nèi)存:8GB

          系統(tǒng):Ubuntu 14.04 x86_64/Windows 7 SP1 64bit

          GCC版本:4.8.2

          (2)測(cè)試集和測(cè)試需求說(shuō)明(比如“圖片包含人臉大小應(yīng)超過(guò)96*96像素,測(cè)試結(jié)果達(dá)到XX程度滿足需求)

          1. 經(jīng)典人臉身份識(shí)別測(cè)試集LFW,共包含13233 張圖片 5749 種不同身份;世界記錄99.7%。

          2. CK+ (一個(gè)人臉表情數(shù)據(jù)集),包含固定表情和自發(fā)表情,包含123個(gè)人的593個(gè)表情序列。每個(gè)序列的目標(biāo)表情被FACS編碼,同時(shí)添加了已驗(yàn)證的情感標(biāo)簽(生氣、厭惡、害怕、快樂(lè)、悲傷、驚訝)。

          (3)需要說(shuō)明“有效距離,左右角度,上下角度,速度”等參數(shù)值(范圍)

          注:這和“部署的靈活性”相關(guān)——由于不同客戶不同場(chǎng)景的需求不同,所以技術(shù)方的人臉檢測(cè)模塊,一般可以通過(guò)調(diào)整參數(shù)得到N種亞型,以適應(yīng)不同應(yīng)用場(chǎng)景(光照、角度、有效距離、速度) 下對(duì)運(yùn)算量和有效檢測(cè)距離的需求。

          (4)測(cè)試結(jié)果——欠擬合

          1、定義:模型沒(méi)有很好地捕捉到數(shù)據(jù)特征,不能夠很好地?cái)M合數(shù)據(jù)

          掃臉識(shí)別身份證_面部識(shí)別身份_身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎

          身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎_面部識(shí)別身份_掃臉識(shí)別身份證

          左圖表示size與prize關(guān)系的數(shù)據(jù),中間的圖就是出現(xiàn)欠擬合的模型,不能夠很好地?cái)M合數(shù)據(jù),如果在中間的圖的模型后面再加一個(gè)二次項(xiàng),就可以很好地?cái)M合圖中的數(shù)據(jù)了,如右面的圖所示。

          2、解決方法:

          1)添加其他特征項(xiàng),有時(shí)候我們模型出現(xiàn)欠擬合的時(shí)候是因?yàn)樘卣黜?xiàng)不夠?qū)е碌模梢蕴砑悠渌卣黜?xiàng)來(lái)很好地解決。例如,“組合”、“泛化”、“相關(guān)性”三類特征是特征添加的重要手段,無(wú)論在什么場(chǎng)景,都可以照葫蘆畫瓢,總會(huì)得到意想不到的效果。

          2)添加多項(xiàng)式特征,這個(gè)在機(jī)器學(xué)習(xí)算法里面用的很普遍,例如將線性模型通過(guò)添加二次項(xiàng)或者三次項(xiàng)使模型泛化能力更強(qiáng)。例如上面的圖片的例子。

          3)減少正則化參數(shù),正則化的目的是用來(lái)防止過(guò)擬合的,但是現(xiàn)在模型出現(xiàn)了欠擬合,則需要減少正則化參數(shù)。

          4)嘗試非線性模型,比如核SVM 、決策樹、DNN等模型。

          (5)測(cè)試結(jié)果——過(guò)擬合

          1、定義:模型把數(shù)據(jù)學(xué)習(xí)的太徹底,以至于把噪聲數(shù)據(jù)的特征也學(xué)習(xí)到了,這樣就會(huì)導(dǎo)致在后期測(cè)試的時(shí)候不能夠很好地識(shí)別數(shù)據(jù),即不能正確的分類,模型泛化能力太差。例如下面的例子.

          掃臉識(shí)別身份證_面部識(shí)別身份_身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎

          掃臉識(shí)別身份證_身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎_面部識(shí)別身份

          上面左圖表示size和prize的關(guān)系,我們學(xué)習(xí)到的模型曲線如右圖所示,雖然在訓(xùn)練的時(shí)候模型可以很好地匹配數(shù)據(jù),但是很顯然過(guò)度扭曲了曲線,不是真實(shí)的size與prize曲線。

          二、解決方法:

          從產(chǎn)品角度

          1)重新清洗數(shù)據(jù),導(dǎo)致過(guò)擬合的一個(gè)原因也有可能是數(shù)據(jù)不純導(dǎo)致的,噪音太多影響到模型效果,如果出現(xiàn)了過(guò)擬合就需要我們重新清洗數(shù)據(jù)。

          2)增大數(shù)據(jù)的訓(xùn)練量,還有一個(gè)原因就是我們用于訓(xùn)練的數(shù)據(jù)量太小導(dǎo)致的,訓(xùn)練數(shù)據(jù)占總數(shù)據(jù)的比例過(guò)小。

          從算法角度

          1)交叉檢驗(yàn),通過(guò)交叉檢驗(yàn)得到較優(yōu)的模型參數(shù);

          2)特征選擇,減少特征數(shù)或使用較少的特征組合,對(duì)于按區(qū)間離散化的特征,增大劃分的區(qū)間;

          3)正則化,常用的有 L1、L2 正則。而且 L1正則還可以自動(dòng)進(jìn)行特征選擇;

          4)如果有正則項(xiàng)則可以考慮增大正則項(xiàng)參數(shù) lambda;

          5)增加訓(xùn)練數(shù)據(jù)可以有限的避免過(guò)擬合;

          6)Bagging ,將多個(gè)弱學(xué)習(xí)器Bagging 一下效果會(huì)好很多,比如隨機(jī)森林等.

          4)標(biāo)注流程中遇到的問(wèn)題

          (1)項(xiàng)目過(guò)程中的不確定性:

          1、出現(xiàn)原因:

          身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎_面部識(shí)別身份_掃臉識(shí)別身份證

          一般情況下,只要數(shù)據(jù)標(biāo)注的規(guī)范清晰,對(duì)規(guī)則的界定從一而終,標(biāo)注工作的流程還是比較簡(jiǎn)單的。

          數(shù)據(jù)標(biāo)注規(guī)范可能會(huì)在測(cè)試后根據(jù)結(jié)果情況進(jìn)行調(diào)整,那么,規(guī)則修改前后“數(shù)據(jù)標(biāo)注的一致性”就出現(xiàn)了問(wèn)題,會(huì)導(dǎo)致多次返工,在時(shí)間和人工成本上頗有影響。

          2、解決方法:

          1)如是分類性質(zhì)的解析工作,建議標(biāo)注規(guī)則先從非常肯定的非黑即白開始;規(guī)則設(shè)定由簡(jiǎn)到繁,帶有疑慮數(shù)據(jù)再另外作記號(hào)。隨著規(guī)則一步步深入,可能會(huì)出現(xiàn)交叉影響,此時(shí)就需要放棄一些低頻問(wèn)題的規(guī)則,余下的未標(biāo)注的數(shù)據(jù)就根據(jù)新的規(guī)則標(biāo)注。

          2)如是多類規(guī)則同時(shí)進(jìn)行的標(biāo)注工作,需要把每類規(guī)則定得足夠細(xì)致。

          3)實(shí)例:

          1、如詢問(wèn)機(jī)器人會(huì)干什么的語(yǔ)料中出現(xiàn),“你說(shuō)你會(huì)干什么?”可以理解為詢問(wèn),也可能是嫌棄,這兩類應(yīng)對(duì)的策略不同,有歧義,所以不能把它歸納如詢問(wèn)類,需要把它從訓(xùn)練集里剔除。

          2、如人臉情緒識(shí)別中,一個(gè)人在流眼淚,有時(shí)可以理解為傷心落淚,有時(shí)可以理解為喜極而泣,還有時(shí)可以理解為激動(dòng)落淚,甚至是感動(dòng)落淚等,所以在看到此類照片時(shí),不能簡(jiǎn)單的憑借慣性化思維將其歸納到悲傷一類中,當(dāng)人眼都很難判別清楚時(shí),需要把它從訓(xùn)練集里剔除。

          5、實(shí)際案例分析

          1)某領(lǐng)域的人臉識(shí)別監(jiān)測(cè)與身份確認(rèn)

          (1)案例問(wèn)題:

          光照影響:過(guò)暗或過(guò)亮等非正常光照環(huán)境,會(huì)對(duì)模型的效果產(chǎn)生很大干擾。在解決光照影響這個(gè)問(wèn)題上,可以通過(guò)兩種方式:

          (2)解決方案:

          1、從產(chǎn)品角度控制

          A. 在用戶可以更換環(huán)境的前提下(比如銀行刷臉取錢等),可語(yǔ)音/界面提示用戶目前環(huán)境不理想(頭歪、頭發(fā)、眼鏡等),建議進(jìn)行正確的正臉取照。

          B. 在用戶不能控制更換環(huán)境的情況下(比如人臉識(shí)別、車輛識(shí)別等攝像頭固定的場(chǎng)景),只能通過(guò)調(diào)試硬件設(shè)施彌補(bǔ)這個(gè)問(wèn)題。

          C. 晚上:由于攝像頭在晚上會(huì)自動(dòng)切換到黑夜場(chǎng)景(從圖片上看就是從彩色切換為黑白),因此在晚上強(qiáng)光下(例如路燈照射)人臉就會(huì)過(guò)曝,這時(shí),我們可以通過(guò)強(qiáng)制設(shè)置攝像頭環(huán)境為白天(圖像為彩色)來(lái)避免。而過(guò)暗的情況,從節(jié)省成本角度看,可以在攝像頭旁邊增加一個(gè)光線發(fā)散、功率不高的燈來(lái)彌補(bǔ)。當(dāng)然這兩個(gè)問(wèn)題也可以通過(guò)購(gòu)買高質(zhì)量的攝像頭解決,但這樣做也意味著更高的成本。

          D. 白天:白天也會(huì)出現(xiàn)光線過(guò)亮的情況,這種情況可以考慮用濾光片等等。

          2、從算法角度控制

          用算法將圖片進(jìn)行處理,可以將圖片恢復(fù)得讓人眼看清的程度。

          2)某款人臉年齡識(shí)別產(chǎn)品

          (1)案例問(wèn)題:

          一款識(shí)別人臉年齡的產(chǎn)品對(duì)女性某個(gè)年齡階段(25—35)的判斷,誤差較大,經(jīng)過(guò)發(fā)現(xiàn),是因?yàn)樵撃挲g階段有以下特點(diǎn):

          A. 女性在這個(gè)年齡階段面貌變化不是很大,有時(shí)人眼給出的判斷誤差都很離譜。

          B. 在這個(gè)年齡層次的女性注重打扮,化妝品很大程度上掩蓋了其真實(shí)年齡,有時(shí)30多的跟20歲沒(méi)多大差別;

          C. 精裝打扮的和素顏的差別有時(shí)變化不大、有時(shí)變化很大。

          (2)解決方案:

          1. 補(bǔ)充數(shù)據(jù):針對(duì)該年齡層次的人臉圖片數(shù)據(jù)做補(bǔ)充。不僅補(bǔ)充正例(“XXX”應(yīng)為多少歲),還應(yīng)補(bǔ)充負(fù)例(“XXX”不應(yīng)為多少歲)。

          2. 優(yōu)化數(shù)據(jù):修改大批以往的錯(cuò)誤標(biāo)注。

          3. 數(shù)據(jù)總結(jié):對(duì)化妝和不化妝的人臉圖片進(jìn)行分析,以便調(diào)整算法參數(shù)。

          (3)需求研究:

          1. 自拍:如女性群體一般都希望自拍時(shí),年齡的判別在心里預(yù)期中能越小越好,當(dāng)在和一群人自拍中可以適當(dāng)?shù)膶⒅魅斯哪挲g判別結(jié)果調(diào)低至達(dá)到用戶心理滿足感。此時(shí)可適當(dāng)降低算法的參照度。

          2. 婚戀交友:在婚戀網(wǎng)站交友過(guò)程中,雙方都希望知道彼此的真實(shí)年齡信息,此時(shí)運(yùn)用人臉年齡識(shí)別可以分析雙方的年齡、皮膚等物理信息為彼此提供參考。此時(shí)的信息就不能以達(dá)到心理滿足感為主了,應(yīng)當(dāng)追求準(zhǔn)確度。

          3)某款A(yù)R美顏相機(jī)

          (1)無(wú)法定位出人臉:

          在背景出現(xiàn)多人或?qū)櫸飼r(shí),相機(jī)有時(shí)并未能精確定位出目標(biāo)用戶,而定位到背景圖片中的人、寵物、身旁的其他人;有時(shí)屏幕一片漆黑;有時(shí)顯示未檢測(cè)出人臉。

          1、從產(chǎn)品角度:

          界面提醒用戶遠(yuǎn)離復(fù)雜背景,或美顏時(shí)最好屏幕中只出現(xiàn)一人,或給出方框圖讓用戶自己手動(dòng)選擇主要定位區(qū)域進(jìn)行AR美顏;屏幕一片漆黑時(shí)可提醒用戶是否是光線太暗,或是攝像頭被障礙物遮擋等;

          2、從算法角度:

          可對(duì)人臉關(guān)鍵點(diǎn)進(jìn)行定位,計(jì)算目標(biāo)用戶與攝像頭的距離或計(jì)算人臉在頻幕的區(qū)域占比來(lái)確定目標(biāo)用戶(一般幾何距離近的、頻幕區(qū)域占比較大的為美顏目標(biāo)),結(jié)合活體檢測(cè)來(lái)排除背景圖片人物的干擾等。

          (2)圖像模糊昏暗:

          光線太暗、運(yùn)動(dòng)、對(duì)焦等造成模糊(攝像頭距離因素,造成圖像低頻存在,高頻流失等)

          1、從產(chǎn)品角度:

          可提醒用戶在光線較溫和的區(qū)域進(jìn)行美顏操作;或是擦除前置攝像頭的障礙物;或文字提示動(dòng)作太快;或是更換高清前置攝像頭;或提示對(duì)焦失敗,給與對(duì)焦框圖讓用戶手動(dòng)對(duì)焦等。

          2、從算法角度:

          在美顏前可在后臺(tái)中調(diào)取手機(jī)亮度調(diào)節(jié)功能,用算法調(diào)節(jié)光線的亮暗程度以適應(yīng)美顏所需的物理?xiàng)l件;用算法設(shè)法補(bǔ)齊高頻部分從而減少對(duì)照片的干擾。

          (3)人臉關(guān)鍵動(dòng)作抓捕太慢:

          在進(jìn)行AR美顏搞怪時(shí)(如張嘴動(dòng)作,屏幕出現(xiàn)音符、唾沫星子等)對(duì)動(dòng)作抓捕太慢(半天才抓捕到張嘴動(dòng)作)。

          1、從產(chǎn)品角度:

          文字提示不支持快速移動(dòng)或提示緩慢移動(dòng)(如,親!您的動(dòng)作太快了,奴家還未反應(yīng)過(guò)來(lái)等)

          2、從算法角度:

          人臉姿態(tài)估計(jì)、關(guān)鍵點(diǎn)定位來(lái)捕捉人臉動(dòng)作。

          (4)關(guān)鍵位置添加虛擬物品失敗(如在嘴上叼煙、耳朵吊耳環(huán)、眼鏡戴墨鏡、臉顯紅暈)

          1、從產(chǎn)品角度:

          文字/圖片提醒用戶擺正人臉位置。

          2、從算法角度:

          可利用算法對(duì)人臉關(guān)鍵區(qū)域進(jìn)行分割并定位,來(lái)達(dá)到人臉精準(zhǔn)定位添加虛擬物品

          4)人臉開門和人臉檢索

          (1)人臉開門等跨網(wǎng)方案需要關(guān)注的因素

          1、遠(yuǎn)程算法更新:

          遠(yuǎn)程算法更新必然會(huì)造成本地局域網(wǎng)功能暫時(shí)性無(wú)法使用。因此遠(yuǎn)程算法更新的頻率、時(shí)間、更新效果都需要產(chǎn)品在更新前精確評(píng)估。

          2、增刪改人臉數(shù)據(jù)與本地?cái)?shù)據(jù)的同步:

          本地局域網(wǎng)和互聯(lián)網(wǎng)是無(wú)法直接交互的,因此用戶在互聯(lián)網(wǎng)一旦對(duì)人臉數(shù)據(jù)庫(kù)進(jìn)行增刪改的操作,下發(fā)程序的穩(wěn)定性和及時(shí)性都需要重點(diǎn)關(guān)注。

          3、硬件環(huán)境:

          本地存儲(chǔ)空間的大小和GPU直接影響到本地識(shí)別的速度。服務(wù)器的穩(wěn)定性影響到功能地正常使用。

          4、守護(hù)程序:

          斷電等外置情況意外情況發(fā)生又被處理完善后,程序能自動(dòng)恢復(fù)正常。

          (2)人臉檢索等某一局域網(wǎng)方案需要關(guān)注的因素

          1、速度:

          除了算法識(shí)別需要消耗一定時(shí)間外,該局域網(wǎng)下的網(wǎng)速會(huì)影響到識(shí)別結(jié)果輸出的速度。

          2、數(shù)據(jù)庫(kù)架構(gòu):

          通過(guò)檢索結(jié)果關(guān)聯(lián)結(jié)構(gòu)化數(shù)據(jù)。

          3、閾值的可配置性:

          在界面設(shè)置閾值功能,從產(chǎn)品層面輸入閾值后,改變相對(duì)應(yīng)的結(jié)果輸出。

          4、輸出結(jié)果排序:

          根據(jù)相似度排序或結(jié)構(gòu)化數(shù)據(jù)排序內(nèi)容地抉擇

          5、云服務(wù)的穩(wěn)定性。

          人臉識(shí)別人證比對(duì)技術(shù)SDK

          人臉識(shí)別人證比對(duì)技術(shù)SDK

          人臉識(shí)別人證比對(duì)技術(shù)SDK

          一、人臉識(shí)別人證比對(duì)技術(shù)1:1及1:N概念

          人臉識(shí)別人證比對(duì)技術(shù)1:1如我們現(xiàn)在在賓館、網(wǎng)吧、機(jī)場(chǎng)安檢等的人與身份證上的照片進(jìn)行比對(duì)的應(yīng)用,用來(lái)證明自己是自己。想想,目前我們?cè)谲囌境塑囘^(guò)安檢時(shí),檢票人員總是拿著身份證跟你本人做對(duì)比,證明身份證里面是不是你本人,這種場(chǎng)景就是人臉識(shí)別人證比對(duì)技術(shù)1:1的場(chǎng)景。據(jù)相關(guān)統(tǒng)計(jì)證明人的肉眼識(shí)別精準(zhǔn)度達(dá)到95%左右,但是人的眼睛是有疲勞度的,所以車站安檢人員需要定時(shí)換班換崗。目的就是為了保持比較平均的識(shí)別的準(zhǔn)確率。但是,在這種場(chǎng)景下,如果采用人臉識(shí)別人證比對(duì)技術(shù)1:1,識(shí)別率可達(dá)到97%甚至是更高的準(zhǔn)確率而且系統(tǒng)設(shè)備是沒(méi)有疲勞度的問(wèn)題。

          面部識(shí)別身份_面部識(shí)別身份證_身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎

          人臉識(shí)別人證比對(duì)技術(shù)1:N如我們現(xiàn)在在車站或一些重要的場(chǎng)所如步行街、城中村等人流密集的場(chǎng)所應(yīng)用的人臉識(shí)別布控系統(tǒng),其特點(diǎn)是動(dòng)態(tài)和非配合。所謂的動(dòng)態(tài)也就是識(shí)別的不是照 片,不是圖片,而是由前端攝像機(jī)采集的動(dòng)態(tài)視頻流;非配合是指識(shí)別對(duì)象不用感知到攝像頭的位置并配合完成識(shí)別工作,整個(gè)識(shí)別過(guò)程非常方便,不會(huì)讓人排斥。 但人臉識(shí)別人證比對(duì)技術(shù)1:N會(huì)因?yàn)槭褂玫攸c(diǎn),環(huán)境,光線,甚至是玻璃反射都會(huì)影響識(shí)別的準(zhǔn)確性,所以1:N相對(duì)更具有挑戰(zhàn)性。

          身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎_面部識(shí)別身份_面部識(shí)別身份證

          二、人臉識(shí)別人證比對(duì)技術(shù)查驗(yàn)技術(shù)

          人臉識(shí)別人證比對(duì)技術(shù)查驗(yàn)系統(tǒng)簡(jiǎn)單來(lái)說(shuō)是指人的臉部圖像與身份證(二代證、護(hù)照、駕駛證、港澳通行證)中包含的頭像進(jìn)行比對(duì)核驗(yàn)的系統(tǒng),此系統(tǒng)中用到兩個(gè)核心技術(shù),其中一個(gè)技術(shù)就是人臉識(shí)別,另外一個(gè)技術(shù)就是身份證識(shí)別,然后通過(guò)采集人臉圖像和身份證中頭像照片進(jìn)行比對(duì),使得二者做到有機(jī)的結(jié)合來(lái)判斷持證人與身份證上的人是否為同一人的技術(shù)即為人臉識(shí)別人證比對(duì)技術(shù)查驗(yàn)系統(tǒng)。

          面部識(shí)別身份證_面部識(shí)別身份_身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎

          人臉識(shí)別人證比對(duì)技術(shù)

          三、人臉識(shí)別人證比對(duì)技術(shù)應(yīng)用背景

          2009年開始的國(guó)內(nèi)特種行業(yè)的實(shí)名登記制度,為祖國(guó)的經(jīng)濟(jì)繁榮、社會(huì)穩(wěn)定起到了不可磨滅的作用,但是經(jīng)過(guò)這幾年的實(shí)踐與發(fā)展也暴露出實(shí)名登記的很多弊端,讓一些犯罪分子至今逍遙法外,隨著新技術(shù)的發(fā)展特別是人臉識(shí)別、指紋識(shí)別、虹膜識(shí)別、靜脈識(shí)別等生物識(shí)別技術(shù)的不斷進(jìn)步,使得以前一些實(shí)名登記的弊端得到有效的補(bǔ)充。北京中安未來(lái)作為OCR識(shí)別領(lǐng)域的先行者,一直在深入探索身份證識(shí)別以及人臉識(shí)別的發(fā)展,在此基礎(chǔ)上,成功研發(fā)出一整套基于服務(wù)器端的人臉識(shí)別人證比對(duì)技術(shù)查驗(yàn)系統(tǒng)。

          人臉識(shí)別人證比對(duì)技術(shù)與傳統(tǒng)身份證核驗(yàn)技術(shù)比對(duì):

          比對(duì)項(xiàng)

          傳統(tǒng)身份證核驗(yàn)

          人證合一核驗(yàn)技術(shù)

          身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎_面部識(shí)別身份證_面部識(shí)別身份

          核驗(yàn)人員權(quán)限

          網(wǎng)點(diǎn)工作人員

          上一級(jí)管理人員通過(guò)人證合一技術(shù)核驗(yàn)

          識(shí)別證件種類

          二代證讀卡或者手機(jī)拍攝身份證圖片后手工錄入

          手機(jī)拍攝后OCR識(shí)別身份證、護(hù)照、駕駛證等

          核驗(yàn)效率

          以分鐘計(jì)算,慢

          以秒計(jì)算,快

          核驗(yàn)識(shí)別率

          網(wǎng)點(diǎn)人員為了績(jī)效,核驗(yàn)結(jié)果不準(zhǔn)

          人工設(shè)定閾值,識(shí)別率95%以上

          人力成本

          需要大量人員,成本高

          一個(gè)管理加核驗(yàn)技術(shù)管理多個(gè)網(wǎng)點(diǎn)

          中安未來(lái)人臉識(shí)別人證比對(duì)技術(shù)查驗(yàn)系統(tǒng)中人臉采集與身份證采集不受采集設(shè)備影響,操作人員通過(guò)手機(jī)拍攝人臉以及身份證上傳到后臺(tái)系統(tǒng)后,身份證信息OCR識(shí)別保存的同時(shí),證件中頭像可與拍攝人臉圖片進(jìn)行人證合一查驗(yàn),通過(guò)人臉識(shí)別人證比對(duì)技術(shù)查驗(yàn)技術(shù)可以從技術(shù)層面加強(qiáng)對(duì)各個(gè)網(wǎng)點(diǎn)的管控,提高工作效率,節(jié)省人力成本,防止虛假開戶事件,有效預(yù)防的各種犯罪活動(dòng)(如圖):

          面部識(shí)別身份證_面部識(shí)別身份_身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎

          身份證識(shí)別系統(tǒng)可以識(shí)別人臉嗎_面部識(shí)別身份_面部識(shí)別身份證

          (人臉識(shí)別人證比對(duì)技術(shù)流程圖)

          如圖所示,當(dāng)服務(wù)器返回比對(duì)結(jié)果“一致”給營(yíng)業(yè)網(wǎng)點(diǎn)時(shí),各個(gè)營(yíng)業(yè)網(wǎng)點(diǎn)才能夠給客戶業(yè)務(wù),反之,人證不一致不予辦理業(yè)務(wù)。

          方案特色:

          1、中安未來(lái)公司多年的OCR識(shí)別技術(shù),人證核驗(yàn)具備多個(gè)算法識(shí)別能力,識(shí)別率更高

          2、支持云服務(wù)為私有云(Private Cloud)以及公有云(Public Cloud);

          3、通過(guò)算法融合解決照片質(zhì)量、年齡差距、光照環(huán)境造成的同人圖像差異問(wèn)題;

          4、兼容高清、低清人臉圖像,低分辨率、模糊照片也有較好識(shí)別效果;

          5、支持位主流的操作系統(tǒng);支持服務(wù)器端快速部署;

          6、提供二次開發(fā)API,可與公司系統(tǒng)平滑掛接;

          7、支持批量人臉識(shí)別, 識(shí)別事件小于1秒,識(shí)別率達(dá)到95%以上;

          四、人臉識(shí)別人證比對(duì)技術(shù)應(yīng)用價(jià)值

          1、事中控制,事后可追溯:通過(guò)業(yè)務(wù)現(xiàn)場(chǎng)實(shí)時(shí)人證核驗(yàn),有效核驗(yàn)客戶身份,系統(tǒng)具有人員管理、日志查詢等模塊,可實(shí)現(xiàn)事后記錄可查、責(zé)任追溯;

          2、精準(zhǔn)、安全的實(shí)現(xiàn)客戶真實(shí)身份的有效核驗(yàn):規(guī)范柜員操作流程,可標(biāo)準(zhǔn)一致的對(duì)客戶身份真實(shí)性進(jìn)行核查,實(shí)現(xiàn)端到端的客戶信息驗(yàn)證,有效防止虛假(或騙取)身份證辦理電話卡;

          3、全流程智能識(shí)別和存儲(chǔ)模式,低成本、更高效:智能人證識(shí)別模式,1s即可完成,人證合一核驗(yàn)的應(yīng)用,幫助減少80%的人員投入。


          主站蜘蛛池模板: 日韩一区二区电影| 国产伦精品一区二区免费| 日韩精品午夜视频一区二区三区| 一区二区三区视频免费| 国产乱码精品一区二区三区中| 波多野结衣电影区一区二区三区 | 亚欧免费视频一区二区三区| 日本一区二区三区精品国产| 少妇人妻精品一区二区| 亚洲av无码一区二区三区四区| 无码人妻一区二区三区在线 | 91久久精品午夜一区二区| 日本在线视频一区| 国产伦理一区二区三区| 无码夜色一区二区三区| 亚洲Av永久无码精品一区二区| 射精专区一区二区朝鲜| 亚洲综合一区二区国产精品| 国精无码欧精品亚洲一区| 国产在线不卡一区二区三区| 国产日韩高清一区二区三区| 国产一区二区三区在线视頻| 亚洲综合无码AV一区二区 | 成人精品视频一区二区三区不卡 | 中文字幕无线码一区二区| 精品无码人妻一区二区三区品| 高清国产AV一区二区三区| 国产一区二区女内射| 无码人妻一区二区三区免费n鬼沢 无码人妻一区二区三区免费看 | 国产激情一区二区三区 | 国产成人一区二区三区精品久久| 国产乱人伦精品一区二区在线观看| 色一情一乱一伦一区二区三欧美 | 亚洲一区二区三区深夜天堂| 性色AV一区二区三区| 国产伦精品一区二区三区不卡| 国产视频一区在线播放| 国产福利电影一区二区三区,亚洲国模精品一区 | 精品国产aⅴ无码一区二区| 国产精品香蕉一区二区三区| 无码精品蜜桃一区二区三区WW |