|
轨道交通向来是解决城市拥堵的有效途径之一。
准时、速度快、不堵车......这些优点使得轨道交通成为大多数人出行的第一选择，但也正因人口流量过于巨大，尤其是在上下班高峰期、节假日、暴雨天气等情况下，运营方的压力骤然增大，单点时段的通行效率并不高，甚至出现了"地铁堵"现象。
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，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。
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Edge AI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。
注：本文转载自网络，如有侵权，请联系删除
|
