什么是面部识别?

面部分析程序是一种通过面部识别或确认一个人身份的软件。它通过识别和测量图像中的面部特征来工作。面部识别可以识别图像或视频中的人脸,确定两幅图像中的人脸是否属于同一个人,或者在大量现有图像中搜索人脸。生物特征安全系统使用面部识别在用户登录时唯一识别个人身份,并加强用户身份验证活动的安全性。移动和个人设备也普遍使用面部分析技术来保护设备安全。

面部识别技术的优势是什么?

面部识别系统有如下优势:

高效的安全性

面部识别是一种快速高效的验证系统。与指纹或视网膜扫描等其他生物识别技术相比,它更快、更方便。与输入密码或 PIN 码相比,面部识别的接触点更少。它支持多重身份验证,可进行额外的安全验证。

提高准确度

面部识别是一种比简单使用手机号码、电子邮件地址、邮寄地址或 IP 地址更准确的识别个人身份的方法。例如,大多数交易所服务,从股票到密码,现在都依靠面部识别来保护客户及其资产。

集成更轻松

面部识别技术与大多数安全软件兼容并易于集成。例如,带有前置摄像头的智能手机内置了对面部识别算法或软件代码的支持。

面部识别如何运作?

面部识别分为三个步骤:检测、分析和识别。

检测

检测是在图像中查找人脸的过程。在计算机视觉的支持下,面部识别可以从包含一个或多个人脸的图像中检测和识别各个人脸。它可以检测正面和侧面人脸轮廓中的面部数据。

计算机视觉

机器使用计算机视觉,以相当于或高于人类的水平准确识别图像中的人物、地点和事物,具有更高的速度和效率。计算机视觉使用复杂的人工智能(AI)技术,自动从图像数据中提取、分析有用的信息并进行分类和理解。图像数据采取多种形式,例如:

  • 单一图像
  • 视频序列
  • 来自多个摄像头的视图
  • 三维数据

分析

然后,面部识别系统分析人脸图像。绘制并读取人脸几何图形和面部表情。识别面部标志,这些标志是区分人脸和其他物体的关键。面部识别技术通常会寻找以下内容:
 
  • 两眼之间的距离
  • 额头到下巴的距离
  • 鼻子和嘴巴之间的距离
  • 眼窝的深度
  • 颧骨的形状
  • 嘴唇、耳朵和下巴的轮廓
 
然后,该系统将面部识别数据转换成一串数字或点,称为面纹。就像指纹一样,每个人都有一个唯一的面纹。面部识别所使用的信息也可以反过来用于数字重建一个人的面部。

识别

面部识别可以通过比较两个或更多图像中的人脸并评估面部匹配的可能性来识别一个人。例如,它可以验证手机摄像头拍摄的自拍照中显示的人脸是否与政府颁发的身份证(例如驾照或护照)图像中的人脸相匹配,以及验证自拍照中显示的人脸是否与之前拍摄的人脸集合中的人脸相匹配。

面部识别系统有哪些使用案例?

以下是面部识别系统的一些实际应用:

欺诈检测

公司使用面部识别来唯一识别在在线平台上创建新账户的用户。此操作完成后,面部识别可用于验证使用该账户的实际人员的身份,以防有风险或可疑的账户活动。

网络安全

公司使用面部识别技术代替密码来加强网络安全措施。未经授权进入面部识别系统非常困难,因为您的脸是无法改变的。面部识别软件也是一种方便且高度准确的安全工具,可用于解锁智能手机和其他个人设备。

机场和边境管制

许多机场使用生物特征数据作为护照,旅客无需排长队,可通过自动化终端更快到达登机口。电子护照形式的面部识别技术减少了等待时间,提高了安全性。

银行

个人只需查看手机或电脑即可验证交易,而不是使用一次性密码或两步验证。面部识别更安全,因为没有密码可供黑客窃取。同样,一些 ATM 存取款机可以使用面部识别来批准支付。

医疗保健

面部识别可用于获取患者记录。可以简化医疗机构中的患者登记流程,并自动检测患者的疼痛和情绪。

面部识别是否准确?

面部识别算法在理想条件下具有近乎完美的准确度。在受控环境中有较高的成功率,但在现实世界中通常表现不是非常理想。很难准确预测这项技术的成功率,因为没有一项单一的措施可以提供完整的画面。
 
例如,面部验证算法将人与清晰的参考图像(例如驾照或面部照片)进行匹配,从而获得高准确度的分数。然而,这种准确度只有在以下情况下才能实现:
 
  • 一致的位置和照明
  • 清晰无遮挡的面部特征
  • 受控的颜色和背景
  • 摄像头质量和图像分辨率
 
另一个影响出错率的因素是年龄。随着时间的推移,面部的变化使得很难与多年前拍摄的照片相匹配。

面部识别是否安全?

人脸识别系统使用独特的数学模式来存储生物特征数据。因此,它们是生物识别技术中最安全和最有效的识别方法。面部数据可以匿名保存,以降低未经授权访问的风险。活体检测技术将真实用户与他们的面部图像区分开来。这样可以防止系统被真实用户的照片欺骗。

面部识别的置信度评分是多少?

置信度评分,也称为相似性评分,对于人脸检测和比较系统至关重要。它们提供关于两个图像彼此有多相似的反馈。置信度评分越高表示两幅图像是同一个人的可能性越高。因此,置信度评分使用 AI 来预测一个人脸是否存在于一幅图像中或者是否与另一幅图像中的人脸相匹配。

置信度评分阈值

面部识别系统使用 AI 做出的每一个预测都有一个相应的分数阈值水平,您可以更改这个阈值。在典型的场景中,大多数自动匹配采用非常高的百分比,例如,高于 99% 的置信度评分。具有较低置信度评分的匹配可用于查看下一个最接近的潜在匹配,然后由人类调查者进一步评估。

其他类型的生物特征识别技术有哪些?

生物特征识别是基于唯一、可区分的特征来识别个人的过程。除了面部识别,还有许多其他类型的生物特征识别:

指纹验证

指纹识别软件通过将个人的指纹与数据库中的一个或多个指纹进行比较来验证个人的身份。

DNA 匹配

DNA 匹配通过分析 DNA 片段来识别个人。该技术在实验室对 DNA 进行测序,并与数据库中的样本进行比较。

眼睛识别

眼睛识别分析虹膜中的特征或视网膜中的静脉图案,以确定匹配度并识别个人。

手形识别

您可以通过手的几何特征来唯一地识别个人,例如手指的长度和手的宽度。摄像头捕获手的轮廓图像,并将其与数据库进行比较。

语音识别

语音识别系统提取将个人的语音与其他人区分开来的特征。它创建一个类似于指纹或面纹的声纹,并将其与数据库中的样本进行匹配。

签名识别

您可以使用技术来分析手写风格,或者使用高级算法来比较两个扫描的签名。

AWS 如何为面部识别提供帮助?

您可以使用 Amazon Rekognition,通过机器学习自动进行图像和视频分析。Amazon Rekognition 提供预先训练和可定制的计算机视觉功能,可从您的图像和视频中提取面部信息和获得见解。您可以使用 Amazon Rekognition 执行以下任务:

  • 在几分钟内分析和检测数百万张照片和视频中的人脸
  • 在您的用户引导和身份验证工作流程中添加面部比较和分析,以远程验证已选择加入的用户的身份
  • 确定一张人脸与另一张照片或您的私有图片库中的照片的相似度
  • 创建家居自动化体验,例如在检测到人时自动开灯

立即创建免费账户,开始使用 AWS 上的面部识别。

通过 AWS 进行面部识别的后续步骤

查看其他与产品相关的资源
了解有关机器学习服务的更多信息 
注册免费账户

立即享受 AWS 免费套餐。 

注册 
开始在控制台中构建

在 AWS 管理控制台中,使用 AWS 开始构建。

登录