Artikla 1：Miksi kasvojen läsnäolo on parempi kuin sormenjälki?
Käytännössä 100% tarkkuus: Kerta toisensa jälkeen on todistettu, että sormenjälkijärjestelmät epäonnistuvat, kun sormet ovat likaisia, öljyinen, märkä tai mustelma. Öljyjärjestelmissä työskentelevät työntekijät eivät voi rekisteröidä läsnäoloaan haalistuneet sormenjäljet. Leikkaukset sormissa palauttavat virheet. Usein on turhauttavaa yrittää osallistua useita kertoja.
Näin ei ole asianlaita kasvojentunnistukseen osallistuminen. Sitä on kokeiltu, testattu ja todistettu, että se on käytännössä 100% tarkka. Työntekijät vain kävelevät sitä kohti ja läsnäolo taltioituu. Se toimii myös hiustyylien vaihtaessa silmälasit, tai työntekijöiden ikää.
Kosketusvapaa turvallisuus: Covid-19:n kanssa, maailma on tullut yhä tietoisemmaksi kontaktipohjaisten läsnäolojärjestelmien riskeistä. Ei ole läsnäolojärjestelmää, muu kuin face ID läsnäolojärjestelmä, joka on täysin kosketusvapaa. Käyttäjän on yksinkertaisesti näytettävä kasvonsa. Järjestelmä käynnistyy automaattisesti.
Senkin jälkeen, kun maailma on covid-vapaa, ihmiset ovat tietoisia tekemistään kosketuksista ja on hyvä tarjota hygieeninen järjestelmä.
Vau kokemus: Läsnäoloaika on lyhennetty alle sekuntiin, eikä käyttäjältä vaadita mitään toimenpiteitä, kasvotunnisteiden läsnäolo on ylivoimaisesti paras biometrinen järjestelmä. Se hämmästyttää työntekijät, jotka eivät vaadi koulutusta ja adoptoivat mielellään heti. Ajattele sitä, kun pidät kahvikuppia toisessa kädessä ja käsilaukkua toisessa, kun joudut tutkimaan sormenjälkiä. Mitä jos vaihtaisimme kasvojentunnistukseen osallistumisen. Säästä vaivasta tekemällä siitä paljon helpompaa kuin vain seisominen näytön edessä.
Artikla 2：Miten ei kasvojentunnistuksen läsnäolojärjestelmän työ?
Se tallentaa käyttäjän kasvot laitteen tietokantaan erikokoisilla näytöillä, TOMMI-tapauksissa, 4,3 tuumasta 13 tuumaan. Kun työntekijä seisoo näytön edessä, se tallentaa kasvot ja tekee reaaliaikaisen vertailun tallennettuun kasvokuvaan. Jos vastaa, clock-in tai clock-out läsnäolo tallennetaan laitteeseen. Se voi tehdä elävyyden arvioinnin valokuvien tai videoiden petosta vastaan.
Artikla 3：Kuinka kasvojen läsnäolo voittaa muut biometriset järjestelmät??
Monet yritykset ovat käyttäneet sormenjälkien seurantajärjestelmää, joka voi olla hyvä korvike korttien leimausjärjestelmälle. Kumpikaan ei ole täydellinen luotettavuuden ja turvallisuuden suhteen. Kasvojentunnistuslaitteita on käytetty viime vuosina yhä useammassa suuressa yrityksessä. Silti monet keskisuuret ja pienet organisaatiot työskentelevät edelleen vanhemman teknologian parissa.
Päivitetäänkö kasvojentunnistusjärjestelmiin? Meidän on parempi tehdä objektiivinen analyysi.
Artikla 4：Mitkä ovat kulunhallinnan edut kasvohoito tunnustaminen?
Yksi nopeimmin kasvavista rakennussuunnittelun ja -tekniikan trendeistä on kosketusvapaan käyttökokemuksen soveltaminen. Nopean laajentumisen yhdistelmä usean asukkaan asumisessa & työtilat ja koronaviruspandemia on johtanut kasvavaan tarpeeseen kontaktittomille elin- ja työympäristöille.
· Parempi tietoturva
Uusimman sukupolven kasvojentunnistuslaitteet tarjoavat tarkan ja erittäin turvallisen todennuksen, verrattuna perinteisiin pääsymenetelmiin, kuten PIN-koodi tai avaimenperä.
· Nopea, käyttäjätunnusten kätevä ja etähallinta
Lisäys, Käyttäjätilien poistaminen ja hallinta on helppoa ja yksinkertaista järjestelmänvalvojille, ja sitä voidaan hallita täysin etänä.
Sen sijaan fyysisen laitteen avulla tapahtuva todennus edellyttää fob-korttien jakamista henkilökohtaisesti tai toimittamista (ja palasi), Järjestelmänvalvojat voivat luoda uusia käyttäjätunnuksia ja poistaa ne käytöstä (kuten turvallisuus, HR tai concierge-henkilöstö) mistä tahansa etäsivustosta pilvipohjaisten hallintaalustojen avulla, nopeuttaa huomattavasti prosessia säästäen aikaa ja rahaa.
· Todennuslaitetta ei tarvita
Monet oven sisäänkäynnin ja sisäänkäynnin tunnistustavat edellyttävät fyysisen laitteen käyttöä todentamiseen – kuten avaimenperä, RFID-kortti tai älypuhelin. Jos käyttäjä unohtaa tai kadottaa laitteensa’ (tai vielä pahempaa – varastettu se), silloin he eivät pääse rakennukseen.
Todentava "laite’ kasvojentunnistus tulee aina olemaan, Tietenkin, olla kanssasi!
· Integrointi muihin alustoihin
Kasvojentunnistuksen kulunvalvontajärjestelmät voidaan integroida myös muihin logistiikka- ja järjestelmäalustoihin, kuten aika & läsnäolo, automaattiset maksujärjestelmät tai kiinteistönhallintajärjestelmät, auttaa kehittämään älykkäitä rakennusympäristöjä.
Artikla 5：Miten kasvojentunnistusjärjestelmät & algoritmit toimivat 2022?
Kasvojentunnistusteknologian markkinat kasvavat nopeasti. Lentoasemilta, jotka luottavat biometrisiin tietoihin kansainvälisten matkustajien seulomiseen, lainvalvontaviranomaiset saavat rikolliset kiinni, ja sosiaalinen media käyttää sitä käyttäjän todentamiseen, kasvojentunnistustekniikka on tunnin tarve.
Sisään 2022, kasvojentunnistusmarkkinoiden odotetaan saavuttavan $7.7 miljardia, alkaen $4 miljardia sisään 2017. Tämä johtuu siitä, että kasvojentunnistuksella on laaja valikoima kaupallisia sovelluksia. Sitä voidaan käyttää moniin eri tarkoituksiin, mukaan lukien valvonta ja markkinointi.
Miten ihminen tunnistaa kasvot?
Aivomme tunnistusjärjestelmät ovat monimutkaisia. Itse asiassa, tiedemiehet yrittävät edelleen selvittää sitä. Voimme olettaa, että aivomme neuronit tunnistavat ensin kasvot kohtauksessa (henkilön ruumiista sen taustalle), poimimme kasvojen piirteet, ja tallenna se omaan tietokantaan. Muistimme käyttäminen tietokantana, voimme sitten luokitella henkilön hänen ominaisuuksiensa mukaan. Meidät on koulutettu äärettömän suureen tietojoukkoon ja äärettömän laajaan hermoverkkoon.
Koneiden kasvojentunnistusohjelmisto toteutetaan samalla tavalla. Ensimmäinen, käytämme kasvojentunnistusalgoritmia kasvojen tunnistamiseen kohtauksessa, poimi kasvonpiirteet havaituista kasvoista, ja käyttää algoritmia henkilön luokittelemiseen.
Kuinka kasvojentunnistusjärjestelmän työnkulku toimii?
1Kasvojentunnistus
Kasvojentunnistus on objektientunnistuksen erikoisversio, jossa on vain yksi havaittava kohde – Ihmisen kasvot.
Aivan kuten laskennalliset ajan ja tilan kompromissit tietojenkäsittelytieteessä, myös koneoppimisalgoritmeissa on kompromissi päättelynopeuden ja tarkkuuden välillä. On olemassa monia esineiden tunnistusalgoritmeja, ja eri algoritmeilla on nopeuden ja tarkkuuden kompromissi.
Arvioimme erilaisia huippuluokan objektientunnistusalgoritmeja:
OpenCV (Hiuskaskadi)
MTCNN
YoloV3 ja Yolo-Tiny
SSD
BlazeFace
ShuffleNet ja Faceboxes
Rakentaa vankka kasvojentunnistusjärjestelmä, tarvitsemme tarkan ja nopean algoritmin toimiakseen reaaliajassa GPU:lla ja mobiililaitteella.
Tarkkuus
Reaaliaikainen johtopäätös suoratoistovideosta, ihmisillä voi olla erilaisia asentoja, tukkeumat, ja valotehosteita kasvoillaan. On tärkeää tunnistaa kasvot tarkasti erilaisissa valaistusolosuhteissa sekä asennoissa.
Kasvojen tunnistaminen erilaisissa asennoissa ja valaistusolosuhteissa
OpenCV (Hiuskaskadi)
Aloitimme OpenCV:n Haar-kaskadilla, joka on avoimen lähdekoodin kuvankäsittelykirjasto C:ssä.
Plussat: Koska tämä kirjasto on kirjoitettu C-kielellä. Se on erittäin nopea johtopäätösten tekemiseen reaaliaikaisissa järjestelmissä.
Miinukset: Tämän toteutuksen ongelmana oli, että se ei pystynyt havaitsemaan sivupintoja ja toimi huonosti eri asennoissa ja valaistusolosuhteissa.
MTCNN
Tämä algoritmi perustuu Deep Learning -menetelmiin. Se käyttää Deep Cascaded Convolutional Neural Networks -verkkoja kasvojen havaitsemiseen.
Plussat: Sen tarkkuus oli parempi kuin OpenCV Haar-Cascade -menetelmällä
Miinukset: Korkeampi ajoaika
YOLOV3
YOLO kasvojentunnistus (Katsot vain kerran) on huippuluokan Deep Learning -algoritmi objektien havaitsemiseen. Siinä on monia konvoluutiohermoverkkoja, muodostaen Deep CNN -mallin. (Deep tarkoittaa, että malliarkkitehtuurin monimutkaisuus on valtava).
Alkuperäinen Yolo-malli pystyy havaitsemaan 80 eri kohdeluokkia suurella tarkkuudella. Käytimme tätä Yolo-kasvojentunnistusmallia vain yhden kohteen havaitsemiseen – kasvot.
Koulutimme tämän algoritmin WiderFacessa (kuvatietojoukko, joka sisältää 393,703 kasvotarrat) tietojoukko.
Saatavilla on myös pienoisversio Yolo-algoritmista kasvojentunnistukseen, Yolo-Tiny. Yolo-Tiny vie vähemmän laskenta-aikaa vaarantamalla sen tarkkuuden. Koulutimme Yolo-Tiny-mallin samalla tietojoukolla, mutta rajalaatikon tulokset eivät olleet johdonmukaisia.
Plussat: Erittäin tarkka, ilman mitään vikaa. Nopeampi kuin MTCNN.
Miinukset: Koska siinä on valtavat Deep Neural Network -kerrokset, se vaatii enemmän laskentaresursseja. Siten, se toimii hitaasti CPU:ssa tai mobiililaitteissa. GPU:lla, se vie enemmän VRAM-muistia suuren arkkitehtuurin vuoksi.
SSD
SSD (Yhden laukauksen ilmaisin) on myös syväkonvoluutiohermoverkkomalli, kuten YOLO.
Plussat: Hyvä tarkkuus. Se voi havaita eri asennoissa, valaistus, ja tukkeumat. Hyvä päättelynopeus.
Miinukset: Huonompi kuin YOLO-malli. Vaikka päättelynopeus oli hyvä, se ei silti riittänyt suorittimella ajamiseen, halpa GPU, tai mobiililaitteisiin.
BlazeFace
Kuten sen nimi, se on Googlen julkaisema räjähtävän nopea kasvojentunnistusalgoritmi. Se hyväksyy 128×128 mittakuvan syöttö. Sen päättelyaika on osamillisekunteina. Tämä algoritmi on optimoitu käytettäväksi kasvojentunnistuksessa matkapuhelimissa. Syitä siihen, että se on niin nopea, ovat:
Se on erikoistunut kasvojentunnistimen malli, toisin kuin YOLO ja SSD, jotka luotiin alun perin havaitsemaan suuri määrä luokkia. Siten BlazeFacella on pienempi Deep Convolutional Neural Network -arkkitehtuuri kuin YOLOn ja SSD:n.
Se käyttää Depthwise Separable Convolution -tekniikkaa tavallisten konvoluutiokerrosten sijaan, mikä johtaa harvempiin laskelmiin.
Plussat: Erittäin hyvä päättelynopeus ja tarkka kasvojentunnistus.
Miinukset: Tämä malli on optimoitu tunnistamaan kasvokuvat matkapuhelimen kamerasta, ja näin ollen se olettaa, että kasvojen tulisi peittää suurin osa kuvan alueesta. Se ei toimi hyvin, kun kasvojen koko on pieni. Joten CCTV-kamerakuvien tapauksessa, se ei toimi hyvin.
Faceboxit
Viimeisin käyttämämme kasvojentunnistusalgoritmi on Faceboxes. Kuten BlazeFace, se on Deep Convolutional Neural -verkko, jolla on pieni arkkitehtuuri ja joka on suunniteltu vain yhdelle luokalle – Ihmisen kasvot. Sen päättelyaika on reaaliaikainen nopea suorittimella. Sen tarkkuus on verrattavissa Yoloon kasvojentunnistuksessa. Se tunnistaa kuvan pienet ja suuret kasvot tarkasti.
Plussat: Nopea päättelynopeus ja hyvä tarkkuus.
Miinukset: Arviointi on käynnissä.
2Ominaisuuden purkaminen
Kun kasvot on tunnistettu kuvassa, rajaamme kasvot ja syötämme ne ominaisuuspoimintaalgoritmiin, joka luo kasvojen upotuksen- moniulotteinen (enimmäkseen 128 tai 512 ulottuvuus) vektori, joka edustaa kasvojen piirteitä.
Käytimme FaceNet-algoritmia kasvojen upotuksen luomiseen.
Upotusvektorit edustavat henkilön kasvojen piirteitä. Joten kahden saman henkilön kuvan vektorien upottaminen on lähempänä ja eri henkilön kuva kauempana. Kahden vektorin välinen etäisyys lasketaan Euklidisen etäisyyden avulla.
3
Kasvojen luokitus
Kun olet hankkinut kasvojen upotusvektorit, koulutimme luokittelualgoritmin, K-lähin naapuri (KNN), luokittelemaan henkilön upotusvektoristaan.
Oletetaan, että organisaatiossa niitä on 1000 työntekijöitä. Luomme kaikille työntekijöille kasvojen upotuksia ja käytämme upotusvektoreita luokittelualgoritmiin, joka hyväksyy kasvojen upotusvektorit syötteenä ja palauttaa henkilön nimen..
Käyttäjä voi käyttää suodatinta, joka muuttaa kuvan tiettyjä pikseleitä ennen sen laittamista verkkoon. Nämä muutokset ovat ihmissilmälle huomaamattomia, mutta ne ovat hyvin hämmentäviä kasvojentunnistusalgoritmeille – ThalesGroup
https://www.engati.com/blog/facial-recognition-systems Tekijä: Aniket Maurya
Artikla 6：Mitkä ovat kasvojentunnistusjärjestelmän sovellukset?
Lentokentät
Lentokentille saapuvia ja sieltä poistuvia ihmisiä voidaan seurata kasvojentunnistusjärjestelmien avulla. Department of Homeland Security on käyttänyt tekniikkaa tunnistaakseen ihmiset, jotka ovat ylittäneet viisuminsa tai jotka ovat rikostutkinnan kohteena..
Matkapuhelinyhtiöt
Apple käytti ensimmäisenä kasvojentunnistusta iPhone X:n avaamiseen, ja tekniikka siirrettiin iPhone XS:ään. Face ID vahvistaa, että olet se, joka väität olevasi, kun käytät puhelintasi. Applen mukaan, todennäköisyys, että satunnaiset kasvot avaavat puhelimen lukituksen, on yksi miljoonasta.
korkeakoulut & yliopistot
Itse asiassa, kasvojentunnistusohjelmistolla voi olla roolinsa. Professorisi saattaa tietää, jos ohitat tunnin. Älä edes harkitse, että valoisa kämppäkaverisi osallistuisi kokeeseen.
Sosiaalinen media
Kun lataat kuvan Facebookiin, se käyttää algoritmia kasvojen havaitsemiseen. Jos haluat merkitä ihmisiä kuviisi, sosiaalisen median yritys kysyy sinulta. Se voi linkittää heidän profiileihinsa ja tunnistaa kasvot tarkkuudella 98%.
Markkinointi- ja mainoskampanjat
Kun markkinoidaan tuotetta tai ideaa, markkinoijat harkitsevat usein sellaisia tekijöitä kuin sukupuoli, ikä, ja etnisyys. Jopa konsertissa, kasvojentunnistusta voidaan käyttää tiettyjen yleisöjen tunnistamiseen.
Uusi tekniikka tuo uusia mahdollisuuksia
Kasvojentunnistusjärjestelmien ja tietokonenäön kehitys on ottanut suuria harppauksia. Mutta tämä on vasta teknologisen vallankumouksen alkua. Kuvittele, kuinka tehokas kasvojentunnistusalgoritmien ja chatbot-teknologian kaksikko olisi!
Koskaan ei ole liian myöhäistä olla osa tätä liikettä.
Tekijä: Aniket Maury
Artikla 7：Kosketusvapaa kulunvalvonta
Kasvojentunnistus on yksi monista kosketusvapaista todennusmenetelmistä, joita käytetään sekä kulunvalvonta- että sisäpuhelinjärjestelmissä, osana kontaktittomia kulkureittejä uusimman sukupolven rakennussuunnittelussa.
Koronaviruspandemia on johtanut siihen, että kosketusvapaiden teknologioiden ja tuotteiden vaatimus ja soveltaminen on kasvanut valtavasti työpaikoilla ja usean vuokralaisen ympäristöissä henkilöiden välisten kontaktien tiheyden vähentämiseksi., mikä auttaa vähentämään viruksen leviämisen riskiä.
Siksi, todennusmenetelmiä, joiden avulla käyttäjät voivat tunnistaa itsensä koskematta fyysisesti laitteita (teknologioita, kuten RFID, NFC, Bluetooth – ja nyt kasvojentunnistus, Tietenkin) ovat tulossa suosituimmat vaihtoehdot ovipuhelin- ja kulunvalvontajärjestelmille.
Voiko kasvojentunnistuksen huijata valokuvilla?
Uusimmat tekoälyn kasvojentunnistusjärjestelmät – kuten Tommi-laitteet – sisältää myös huijauksenvastaista "elävyyttä".’ havaitseminen, käyttämällä sisäänrakennettua lisäkameraa havaitsemaan 3-ulotteinen kasvojen tietoisuus ja liike.
Artikla 8：Mitä hyötyä Access Control -kasvojentunnistuksesta on??
Handsfree-käyttäjätunnistus
Yksi nopeimmin kasvavista rakennussuunnittelun ja -tekniikan trendeistä on kosketusvapaan käyttökokemuksen soveltaminen. Nopean laajentumisen yhdistelmä usean asukkaan asumisessa & työtilat ja koronaviruspandemia on johtanut kasvavaan tarpeeseen kontaktittomille elin- ja työympäristöille. Parannettu turvallisuus
Parannettu turvallisuus
Uusimman sukupolven kasvojentunnistuslaitteet tarjoavat tarkan ja erittäin turvallisen todennuksen, verrattuna perinteisiin pääsymenetelmiin, kuten PIN-koodi tai avaimenperä.
Nopeasti, käyttäjätunnusten kätevä ja etähallinta Lisäys, Käyttäjätilien poistaminen ja hallinta on helppoa ja yksinkertaista järjestelmänvalvojille, ja sitä voidaan hallita täysin etänä.
Sen sijaan fyysisen laitteen avulla tapahtuva todennus edellyttää fob-korttien jakamista henkilökohtaisesti tai toimittamista (ja palasi), Järjestelmänvalvojat voivat luoda uusia käyttäjätunnuksia ja poistaa ne käytöstä (kuten turvallisuus, HR tai concierge-henkilöstö) mistä tahansa etäsivustosta pilvipohjaisten hallintaalustojen avulla, nopeuttaa huomattavasti prosessia säästäen aikaa ja rahaa.
Todennuslaitetta ei tarvita
Monet oven sisäänkäynnin ja sisäänkäynnin tunnistustavat edellyttävät fyysisen laitteen käyttöä todentamiseen – kuten avaimenperä, RFID-kortti tai älypuhelin. Jos käyttäjä unohtaa tai kadottaa laitteensa’ (tai vielä pahempaa – varastettu se), silloin he eivät pääse rakennukseen.
Todentava "laite’ kasvojentunnistus tulee aina olemaan, Tietenkin, olla kanssasi!
Integrointi muihin alustoihin
Kasvojentunnistuksen kulunvalvontajärjestelmät voidaan integroida myös muihin logistiikka- ja järjestelmäalustoihin, kuten aika & läsnäolo, automaattiset maksujärjestelmät tai kiinteistönhallintajärjestelmät, auttaa kehittämään älykkäitä rakennusympäristöjä.
Artikla 9: Kasvojentunnistus vs. Kämmensuonien biometriikka ---5 Tärkeitä eroja
Kasvojentunnistus ja kämmensuoni ovat kaksi markkinoiden johtavaa biometristä tietoa, mutta ne ovat monella tapaa vastakohtia.
Miten ne toimivat?
Kasvojentunnistusteknologia toimii kartoittamalla henkilön kasvojen ainutlaatuisen geometrian, kuten etäisyys leuasta otsaan, silmien välinen etäisyys, leukalinjan pituus, jne.
Kämmensuonitekniikka käyttää infrapunavaloa kartoittamaan ihmisen kämmenen ainutlaatuisen suonimallin, mittaamassa yli 5 miljoonaa datapistettä niiden suonirakenteessa.
Molemmilla biometrisilla tiedoilla, nämä tiedot muunnetaan sitten salatuksi koodiksi, josta tulee henkilön ainutlaatuinen biometrinen tunnus. Kun he skannaavat kasvonsa tai kämmenensä, heidän biometrinen koodinsa verrataan järjestelmässä oleviin koodeihin, ja jos se sopii yhteen, ne tunnistetaan.
Mutta vaikka lopputulos - tunnistaminen - voi olla sama, tapa, jolla näillä kahdella biometrisellä tunnisteella saavutetaan tämä, on dramaattisesti erilainen. Tällä on useita tärkeitä seurauksia.
Nämä ovat viisi tärkeintä eroa kasvojentunnistuksen ja kämmensuoneen välillä, jotka sinun tulee tietää ennen kuin valitset sellaisen yrityksellesi.
1. Yksityisyys
Suurin ero kasvojentunnistuksen ja kämmensuonien biometriikan välillä on yksityisyyden alalla.
Kasvojentunnistus on saanut viime vuosina laajaa kritiikkiä sen aiheuttamien yksityisyyttä koskevien huolenaiheiden vuoksi.
Koska kasvosi näkyvät kaikkialla, missä menet, kasvojentunnistuskamerat tunnistavat sinut helposti kaukaa, mahdollistaa sen, että sinua seurataan julkisesti ja luodaan vakavia tietosuojariskejä.
Kämmensuonen, toisaalta, on yksityisyyttä suunniteltu. Koska kämmensuonikuviosi on kätkettynä kätesi sisään, se vaatii infrapunavalon ja lähikuvan ultra-HD-kameran yhdistelmän sen kuvaamiseen.
Niin, toisin kuin kasvojentunnistuksessa, kämmensuonenkuviota on mahdotonta kaapata kaukaa. Tunnistaa, sinun täytyy skannata kämmenesi tarkoituksella kämmensuoniskannerin yli – sitä ei voi tallentaa ilman suostumustasi.
Tämä tekee kämmenen suonesta suostumukseen perustuvan biometrisen tiedon, antaa sille selkeitä etuja kasvojentunnistukseen verrattuna yksityisyyden suhteen.
2. Tarkkuus
Yksityisyyden lisäksi, tarkkuus on toiseksi suurin ero kasvojentunnistuksen ja kämmensuonen välillä.
Biometristen tietojen tarkkuus mitataan kahdella tekijällä: Väärä hylkäysprosentti (FRR), ja väärän hyväksymisprosentti (FAR). Mitä pienempi numero, sitä tarkempi biometrinen tieto on.
FRR mittaa mahdollisuutta, että valtuutetulta käyttäjältä evätään virheellisesti pääsy, kun taas FAR mittaa mahdollisuutta, että luvaton käyttäjä pääsee väärin.
Kasvojentunnistuksella on markkinoiden korkein FAR ja FRR kaikista biometrisista tiedoista. Päinvastoin, kämmenen suonessa on alhaisin - joten se 260 kertaa tarkempi FRR:n suhteen, ja 130 tuhat kertaa tarkempi FAR:n suhteen.
Lisäksi, kasvojentunnistuksella on lisävirhe: se ei ole yhtä tarkka kaikille ihmisille. Kasvojentunnistusalgoritmien on todettu olevan vähemmän tarkkoja naisille ja värillisille ihmisille.
Minkä tahansa tunnistustekniikan tulee olla yhtä tarkka kaikille ihmisille, koska virheellisen tunnistamisen vaara on liian suuri. Epätarkka tunnistaminen mahdollistaa sen, että sinut tunnistetaan väärin joksikin muuksi, jolla voi olla vakavia seurauksia (varsinkin lainvalvontaviranomaisten käytössä).
Se on myös yksinkertaisesti epämukavaa. Se, että sinut tunnistetaan väärin ja evätään pääsy johonkin, joka on sinun, on erittäin ärsyttävää, ja se kumoaa yhden biometriikan tärkeimmistä eduista: sopivuus.
Siis tarkkuuden suhteen, kasvojentunnistus toimii huonommin kuin käytännössä mikään muu biometrinen tunniste, kämmensuonen selvä voittaja.
3. Turvallisuus
Kasvojentunnistuksen yksityisyysriskeillä ja tarkkuuden heikkenemisellä on myös kolmas seuraus: heikentynyt turvallisuus.
Kasvojentunnistuksen heikentynyt tarkkuus tekee siitä todennäköisemmän käyttäjien virheellisen tunnistamisen, mahdollistaa pääsyn luvattomille henkilöille ja aiheuttaa turvallisuusriskejä.
Mutta kasvojentunnistuksen suurin turvallisuusriski on sen alttius huijauksille. Koska kasvosi näkyvät kaikkialla, missä menet, hakkereiden on paljon helpompi väärentää 3D-kuva kasvoistasi huijatakseen kasvojentunnistuslaitetta.
Kämmensuoneen, koska suonesi kuvio on kätketty kätesi sisään, se voidaan kaapata vain, kun skannaat tarkoituksellisesti kämmentäsi. Muuten, se on täysin piilossa, jolloin varkaan on lähes mahdotonta väärentää tai varastaa sitä.
Nämä kaksi kämmenlaskimon ominaisuutta – lisääntynyt tarkkuus ja se, että se on sisäinen – tekevät siitä yleensä paljon turvallisemman biometrisen tiedon kuin kasvojentunnistuksen..
4. Sopivuus
Kasvojentunnistuksella on yksi keskeinen etu verrattuna kaikkiin muihin biometrisiin tietoihin: sopivuus.
Huolimatta siihen liittyvistä turvallisuus- ja tietosuojariskeistä, se, että kasvojentunnistustekniikka tunnistaa käyttäjän automaattisesti etäältä, tekee siitä erittäin kätevän, jos käyttäjä suostuu tähän.
Esimerkiksi, kasvojentunnistus nykyaikaisissa älypuhelimissa (kuten Applen Face ID -ominaisuus) avulla käyttäjät voivat avata puhelimensa lukituksen vain katsomalla sitä. Kuinka kätevää!
Lisäksi, kasvojentunnistuksen yksityisyysriskit eivät koske älypuhelimia, koska käyttäjän biometriset tiedot tallennetaan suoraan laitteeseen, tietokannan sijaan, joten sitä ei voi käyttää valvontatarkoituksiin.
Tämä tekee kasvojentunnistuksesta saumattoman, kätevä valinta älypuhelimien lukituksen avaamiseen. Kuitenkin, kun sitä käytetään julkisissa valvontajärjestelmissä henkilökohtaisten laitteiden sijaan, kasvojentunnistuksen yksityisyyteen liittyvät riskit ovat huomattavasti suuremmat kuin käyttömukavuuden edut.
Kämmensuonen, toisaalta, ei sisällä pitkän kantaman automaattisia tunnistusominaisuuksia kuin kasvojentunnistuksella, koska se vaatii lähikuvaa (mutta kontaktiton) kämmenen skannaus käyttäjän tunnistamiseksi. Joten vaikka tämä antaa sille tärkeitä yksityisyys- ja turvallisuusetuja, sitä voitaisiin mahdollisesti pitää haittapuolena mukavuuden kannalta.
Lisäksi, koska kämmensuonen on uudempaa ja vähemmän tuttua, sillä on luultavasti suurempi oppimiskäyrä kuin vanhemmilla biometrioilla (kuten sormenjälki), tai erittäin intuitiiviset biometriset tiedot (kuten kasvojentunnistus, jossa sinun ei itse asiassa tarvitse tehdä mitään tunnistaaksesi).
Kuitenkin, yksinkertainen, Kämmensuonen ergonominen liike tarkoittaa, että se on silti helppokäyttöinen ja käyttäjäystävällinen biometrinen tieto. Kuitenkin, kasvojentunnistus, varsinkin henkilökohtaisissa laitteissa, sillä on merkittäviä mukavuusetuja, joita kämmenlaskimolla ei ole.
Tämä tekee kämmenen suonesta ihanteellisen, kun se jaetaan useiden ihmisten kesken (esim., työntekijöitä ja asiakkaita), kun taas kasvojentunnistus on ihanteellinen yksilölliseen käyttöön henkilökohtaisissa laitteissa (esim., älypuhelimia ja tabletteja).
5. Lainmukaisuus
Viime vuosina, suuret tietosuojasäännökset ovat ilmaantuneet ympäri maailmaa. GDPR:n luomisesta vuonna 2016, monet suuret taloudet ovat luoneet omat GDPR-kopiolakinsa, tehdä tietosuojasäännöistä maailmanlaajuinen trendi.
Tämän takia, yrityksillä on nykyään enemmän rajoituksia tiedonkeruulle kuin koskaan.
Ja ykköstekijä yksityisyyssäännöissä ympäri maailmaa on suostumus. Yritysten on hankittava käyttäjän nimenomainen suostumus, ennen kuin ne saavat kaapata käyttäjätietoja, tai he kohtaavat merkittäviä oikeudellisia riskejä.
Tämän takia, yksityisyyttä säästävien teknologioiden merkitys on tärkeämpää kuin koskaan. Tällaisia teknologioita käyttöön ottavilla yrityksillä on paljon vähemmän oikeudellisia riskejä, ja paljon vähemmän vaivaa käsitellä.
Koska kasvojentunnistus mahdollistaa henkilön tietojen tallentamisen ilman hänen suostumustaan, yritysten on tärkeää ottaa käyttöön suojatoimia varmistaakseen, että ne ovat saaneet selkeän tiedon, todennettavissa oleva suostumus ennen käyttäjätietojen keräämistä – tai he voivat saada vakavia sakkoja.
Kämmensuonen hyöty kasvojentunnistukseen verrattuna on se, koska siihen on automaattisesti sisäänrakennettu suostumus, siihen liittyy paljon pienempi oikeudellinen riski.
Kämmensuoneen, ei ole epäilystäkään, suostuiko käyttäjä antamaan biometrisiä tietoja vai ei, koska sitä ei voida kaapata ilman henkilön nimenomaista vuorovaikutusta päätteen kanssa.
Ja koska automaattinen, biometristen tietojen pakotettu sieppaus ei ole mahdollista kämmensuoneen (kuten kasvojentunnistuksen kanssa), se on automaattisesti useimpien tietosuojasäädösten suostumukseen liittyvien ohjeiden mukainen.
Tämä tekee kämmenen suonesta mukavamman, vähemmän riskialtista, vaivaton valinta yrityksille, jotka haluavat ottaa biometriikan käyttöön liiketoiminnassaan.
Johtopäätös
Kasvojentunnistus ja kämmensuonet ovat tehokkaita biometrisiä teknologioita, joilla on laaja valikoima sovelluksia, mutta ne ovat täydellisiä vastakohtia monella tapaa.
Julkiseen ja yrityskäyttöön, kämmensuonella on monia etuja kasvojentunnistukseen verrattuna, tarjoaa monipuolista yksityisyyttä, turvallisuus, ja tarkkuusetuja, joita kasvojentunnistuksella ei ole.
Lisäksi, luotettavuuden ja oikeudellisen riskin kannalta, kämmensuonen on yleensä vähemmän riskialtis vaihtoehto yrityksille, jotka haluavat ottaa biometriset tiedot käyttöönsä sen yksityisyyteen keskittyvän suunnittelun vuoksi.
Käytettäväksi henkilökohtaisissa laitteissa, kuitenkin, kasvojentunnistus on kätevä ja helppokäyttöinen todennusmenetelmä, johon ei liity samoja tietosuojariskejä kuin valvontakameroissa käytettävä kasvontunnistus.
Nämä tekijät tekevät kämmenen suonista ihanteelliset biometriset tiedot yhteiskäyttöön (esim., asiakkaiden tai työntekijöiden käytössä), kun taas kasvojentunnistus on loistava valinta henkilökohtaisten laitteiden todentamiseen.
Jokaisella biometrisellä tiedolla on omat hyvät ja huonot puolensa. Saat lisätietoja muista markkinoilla olevista biometrisista tiedoista ja auttaa määrittämään, mikä niistä sopii yrityksellesi, tutustu e-kirjaamme, joka tutkii kaikkia markkinoiden erilaisia biometrisiä tietoja.
Artikla 10：Biometristen mittareiden taustalla oleva järkeä
Biometrinen mittaus on enemmän kuin kasvojen kartoittaminen kuin kasvojen valokuvaaminen. Biometrinen skanneri digitoi tuhansia pisteitä, etäisyydet, ja kasvojen vääristymien mittasuhteet. Esimerkiksi, se vertaa leuan ja otsasi välisiä etäisyyksiä tai paikantaa, missä tarkalleen on nenäsi.
Se etsii kuvioita sormenpyöristä tai, puheentunnistuksen tapauksessa, löytää henkilön suun tai kurkun ainutlaatuinen muoto vahvistaaksesi henkilöllisyyden. Kaiutin- tai äänentunnistus voi sisältää lisäturvaedun – tekstiriippuvaisia elementtejä, kuten tunnuslause. Tämä ei ole vain puhemallin löytämistä, mutta myös melkein toisen äänisalasanan.
Tiedonkeruutavasta riippumatta, biometriset skannerit ymmärtävät henkilön identiteetin muuntamalla mitat numeroiksi. Numerot ajetaan sitten tietokannassa, joka sisältää aiemmin rekisteröityjä mittareita todennetuille käyttäjille. Niin, kyllä, tavallaan, biometriikan kanssa, jokainen henkilö muuttuu numeroksi, joka, kulunvalvonnan suhteen, on hyvä asia. Varsinkin jos sinun on asetettava yksilöllinen identiteettitodennus suurille yrityksille, joilla on useita fyysisiä tai henkilökohtaisia suojauskerroksia.
Artikla 11 : Biometristen tietojen lämpöskannaus
Uusin biometriseen tietoturvaan perustuva kerros on lämpöskannaus, joka mittaa ruumiinlämpöä eikä päästä henkilöä sisään, jos hän ylittää tietyn kynnyksen. Tätä käytetään usein yhdessä kasvojentunnistuksen kanssa henkilöllisyyden tunnistamiseen, tai joissain tapauksissa, käyttäjä voi avata oven lukituksen avainkortilla tai salasanalla vain, jos hän ensin läpäisee lämpötilatarkastuksen. Tästä on tullut yhä tärkeämpää yrityksille COVID-19-pandemian aikana pitääkseen työntekijänsä mahdollisimman turvassa ja hidastaakseen viruksen leviämistä. Monet yritykset ovat myös käyttäneet tätä toimenpidettä vierailijoiden lämpötilan tarkistamiseen, käyttämättä identiteetin tunnistusta sen kanssa.
Lämpöskannaus ei ainoastaan suojaa toimistoasi sairauksilta, mutta se toimii saumattomasti myös pilvipohjaisten pääsyjärjestelmien, kuten Kisin, kanssa lisäsuojana tilaasi. Valitettavasti, ne vaativat usein kasvojen skannauspäätteiden lisäämisen, tarkoitettu kasvojentunnistukseen, koska biometriset mittausominaisuudet tulevat näiden laitteiden mukana pikemminkin kuin erillisinä vaihtoehtoina.
Kiitos blogistasi, kiva lukea. Älä lopeta.