Select Language

AI社区

数据要素产业

遮挡、复杂光线等会大大影响人脸识别准确性

12-07 23:47 TAG: 人脸识别 虹软视觉 ArcFace4.0

与指纹识别方式类似,考勤机是人脸识别目前相对成熟的一类产品。因为在考勤系统中,用户可以主动配合,设备能在稳定的环境下获取符合要求的人脸。这就为人脸识别提供了良好的输入源,往往可以得到质量较好的图片。但相信很多人也遇到多次识别不通过、站在原处不停变换人脸角度等待识别通过的尴尬。由于光角度或光线问题,得到的人脸图像很难比对成功。这种情况的出现原因复杂,可能包括以下几种:

1、复杂的环境背景

在进行人脸识别前需要进行人脸检测。人脸检测的准确性直接影响应用体验。当监控中的环境背景较为复杂时,人脸检测率也会变低,因此能够适应复杂背景环境的人脸检测算法是人脸识别技术的难点之一。

2、多变的光线条件

在人脸识别技术的实际应用中,可能出现侧光、曝光、逆光等现象,而且每个时间段的光照效果都不一样,甚至在人脸识别范围内各个位置的光照都不同,很大程度会导致人脸识别不通过现象。

3、遮挡问题

帽子、眼镜、胡子以及口罩大面积遮挡也会直接影响人脸的特征提取,导致人脸识别比对不通过。需要多次重复识别才能成功,造成时间上的浪费,用户体验不佳。

遮挡、复杂光线等会大大影响人脸识别准确性

业内以“免费离线算法”知名的虹软视觉开放平台针对以上问题提供了很好的解决方案。虹软的图像质量检测算法能将摄像头拍下的照片进行标准化评估,有效过滤人脸图像模糊、大角度、严重光线问题等低质量图片,从而大大提升识别率,达到用户在门禁、考勤等场景下无感通行的良好体验。

对于人脸识别遮挡问题,ArcFace4.0不仅在算法精度方面大幅提升,进一步降低了误识率和拒识率,同时针对当下实际应用场景中一般算法的不足,提升人脸可见区域权重,以及在局部特征增强方面设计相应策略,尤其是在疫情之下,虹软全面提升了识别系统在口罩遮挡情况下的表现,达到识别率99.5%以上,解决了大面积遮挡的难题。