当前位置: 江南文明网 > 科技 > 智能 >

刷脸乘车,迟迟未能普及开来

条评论

刷脸乘车,迟迟未能普及开来

在上下班高峰期、节假日、暴雨天气等情况下,轨道交通运营方的压力骤然增大。尽管运营方有应急备案,但多以临时疏导、增设卡点、客流管控、暂停进站等手段为主。这些方式虽然能在一定程度上缓解客流拥挤,却并没有解决通行效率这一核心问题。

刷脸乘车不失为一种解决办法:乘客只需在前端设备录入人脸信息,绑定支付账号,即可刷脸过闸。

这样做的好处在于,人脸信息与支付形成业务闭环,不需要卡片、二维码进行验证,从而提高通行效率;同时也解决了手机信号弱、手机没电、特殊人群无手机等无法进站乘车的难题。

不过,"刷脸乘车"这一概念早些年就已被提出,却迟迟未能普及开来。究其原因,技术是最大的难点。

"站点的人流量很大,场景也比较复杂,对识别精度、速率要求很高。"的卢深视行业方案事业部总经理贾林告诉AI掘金志,如何在复杂场景下精准识别的同时,提高识别效率,是刷脸乘车的关键。

难点:识别精度及速率

刷脸乘车主要有两个环节,一是用户注册,二是刷脸过闸。

乘客需要在站点的自助服务设备或手机APP上进行实名注册,完成人脸图像采集,并绑定支付账号方便扣款;

在刷脸过闸时,相应的终端设备内嵌人脸识别模块,通过外置摄像头设备采集和检测乘客人脸图像,与后台人脸特征库进行比对;

比对成功之后,在面板机上会显示乘客人脸图像、账户ID等信息,乘客即可过闸进站乘车;

到达目的地后,乘客可刷脸出站,支付环节已在后端完成

简单来讲,刷脸乘车是生物识别技术的应用场景之一,即通过采集人脸的生物特征信息,基于特定算法进行查重比对,并且打通支付环节,从而最大限度提高通行效率。

在实际的应用场景中,刷脸乘车面临着3大难点。

首先是识别精度。在地铁车站复杂的现场环境下,人脸识别成功率难免会受到站内灯光照明、光线、阴暗程度以及人脸面部遮挡物等因素的影响。

"实际场景中,有些是正侧光,而有些是前侧光,不同的光打在人脸上,阴暗程度并不相同,因而相机的出图质量会有偏差,从而影响识别率。"

其次是识别速率。随着客流的不断增长,人脸特征库的数据信息也随之增加,人脸辨认1∶N模式的比对速度需要快速提高。

贾林表示,地铁场景对于识别效率要求更高,普通的场景(如门禁打卡)可能只需要达到秒级响应,但在地铁人流量高峰,识别一个人的时间整体只有几百毫秒。

最后是数据安全。刷脸乘车需要采集乘客的生物特征信息,因而如何保护数据安全,是技术和管理共同面临的问题。

此前,部分城市有一些试点的地铁刷脸通行方案,但大都以小规模特定人群进行试点,且只进行刷脸身份验证,并没有完成完整的支付流程。

其根本原因在于,刷脸乘车在城市轨道交通领域是一个重量级的创新难题,复杂的现场环境、高识别精度和低响应时延,都对人像识别算法和整体实现方案提出了极高要求。

解法:"2+3"多模态大库识别

9月28日,被称为"粤港澳大湾区最快地铁"的广州地铁18号线,正式投入运行。

作为广州首条支持刷脸乘车的地铁,经测试,18号线站点入口的闸机,单通道每分钟可无感精准通行30人次以上。乘客进地铁站时刷脸可无感快速通过闸机,出站时也仅需刷脸出站,乘车费用将自动扣除,真正实现刷脸乘车。

贾林介绍道,18号线的刷脸乘车方案由佳都科技与的卢深视共同打造。其中,的卢深视的3D人脸识别相机模组和多模态大库识别对比算法,是实现刷脸乘车的技术支撑。

"我们实际上采取的是2D+3D结构光多模态大库识别的方案,从前端相机到数据库,基于具体场景做算法优化,既提高了识别效率、精度,又降低了数据建库成本。"

掘金志了解到,的卢深视的方案,由两个部分组成:2D+3D结构光相机和数据库。这与业内其他玩家的"2D+分库"并不相同。

与双目摄像头相比,3D结构光相机能同时获取场景的彩色和深度信息,并对场景中的人脸进行检测分析,形成3D人脸图像,创建带有面部深度信息的人脸模型,实现更优的识别速度、识别精准度及安全性。

相较于2D,3D结构光在支付方面的安全性上更高。并且,基于2D的解决方案,在建立数据库时,为了保证准确率,需要建立分库,从而占用更多的服务器资源。

除了采用高精度3D结构光相机以外,的卢深视在前端采用了金融级活体防攻击算法,能有效止高仿面具、头模、高清照片、对抗眼镜等攻击,以保证识别的准确率。

贾林表示,的卢深视的多模态大库比对引擎,实现了千万级以上规模的大库,将比对速率提高至300ms以内,等效1:1误识率低于十万亿分之一。

此外,的卢深视团队还根据各个站点的现场实际环境,采集各种复杂光线、角度、装修风格等场景下的数据,测试、调整人脸识别模块的功能参数,不断更新完善算法,实现在地下光线不足、复杂光、潮湿的环境下依然可以达到95%的高通过率。

愿景:技术赋能行业,让科技更普惠

在2021全球人工智能技术大会上,腾讯优图联合厦门大学人工智能研究院共同发布了《2021十大人工智能趋势》,其中提到:

低速机器人/车、工业自动化设备等场景,目前采用都是摄像头+算法的视觉方案,不能满足高精度3D测量、环境光影响、色彩对比度缺失等更复杂的使用条件,所以,在工业、商业和消费领域,高性能的3D感知产品将大有可为。

的卢深视作为3D视觉技术方案提供商,已下探至垂直行业应用领域,为行业提供可大规模普及的、交互距离内高精度的三维视觉感知产品及方案,其产品形态涵盖EdgeAI芯片、智能模组等。

"一些友商主要还是做单点,可能只做算法或是模组。而我们要做的是三维全栈,从光学系统的设计、模组的设计,到算法的设计、整体方案的设计,都要自主实现。"贾林表示。

在具体项目上,的卢深视目前与多个企业和相关方展开合作。

例如,在与法国源讯(ATOS)合作中,的卢深视为某跨海大桥提供完整人脸识别及防作伪设备,用于旅检大厅车辆通行、人员自助、人工验放等百余通道,实现8秒通关;

的卢深视还曾与中国电子科技集团有限公司合作,在某边疆规模落地3D视觉产品,建立全国首个省级3D人像数据库;

而在智能家居领域,的卢深视的高精度激光模组与高精度算法已经运用到相关的门锁厂家的产品中。

此次广州刷脸乘车的案例,仅是的卢深视用3D视觉技术赋能行业的诸多实践之一。

除了赋能行业以外,贾林认为,技术归根到底要服务于人,两者相互结合,才能实现科技普惠。

以此次的广州地铁刷脸乘车为例,的卢深视的解决方案,一方面能助力缓解高峰期的拥堵问题:于运营方而言,实现了增效;于乘客而言,提高了通行效率和出行体验。

另一方面,对于那些特殊群体,比如老人,无需每次打开手机或刷卡,就能快速进站乘车。