¿Cuáles son las principales áreas de aplicación del reconocimiento facial y cuáles son las diferencias?

Se sabe que la tecnología de reconocimiento facial se utiliza principalmente en los sectores financiero y de seguridad en China.

Por ejemplo, el reconocimiento facial del Aeropuerto de Daxing, que fue muy comentado hace algún tiempo, es un enorme mercado en el ámbito de la inspección de seguridad aeroportuaria. Actualmente, muchos sistemas de seguridad de aeropuertos han adoptado esta tecnología. De hecho, no solo está presente en lugares públicos como aeropuertos, estaciones de tren, escuelas, etc., sino que en el futuro habrá aún más demanda. El espacio de crecimiento en la vigilancia es enorme y las perspectivas de aplicación del reconocimiento facial son amplias.

Además, el pago facial se ha vuelto muy popular en el ámbito financiero. Los organismos competentes emitirán normas financieras relacionadas con el reconocimiento facial para aclarar los requisitos de gestión de seguridad en la recopilación, transmisión, almacenamiento y utilización de la información facial.

Lo mismo ocurre con el uso de equipos de reconocimiento facial: ¿por qué unos se utilizan para los controles de seguridad en el AVE y otros para el pago facial? Empecemos por los dispositivos hardware y los algoritmos de software para el reconocimiento facial.

En términos generales, la mayoría de los dispositivos de reconocimiento facial que no son estrictos en la verificación de identidad utilizan reconocimiento facial 2D, mientras que los que son más exigentes utilizan reconocimiento 3D. Estos emplean principalmente cámaras faciales de luz estructurada 3D, TOF y otras para medir la distancia entre los ojos, la altura de la nariz y otra información facial tridimensional.

Al mismo tiempo, según su escenario de aplicación, el reconocimiento facial en terminales y el número correspondiente de personas se divide en modos de reconocimiento facial 1:1, 1:N y M:N.

Modo 1:1 – se utiliza principalmente en escenarios de verificación de identidad uno a uno, como pago facial, registro en hoteles, verificación de identidad en exámenes, comparación de identificación personal, etc. El usuario se coloca frente al terminal de reconocimiento facial durante unos segundos (reconocimiento estático) y luego se verifica su identidad mediante la cámara de reconocimiento facial para demostrar que "eres tú". Debido a que se trata de escenarios que requieren identificación nominal (como pago facial, registro en hoteles, verificación en exámenes, comparación persona-tarjeta), un error puede conllevar riesgos, por lo que se exige una precisión de al menos el 99 % para garantizar una correspondencia exacta de la identidad.

Modo 1:N – se utiliza principalmente en escenarios de reconocimiento facial de uno a muchos, que consiste en encontrar a la persona buscada entre N rostros para averiguar "quién eres". El control de asistencia por reconocimiento facial en una empresa también se realiza a través del equipo de reconocimiento facial, buscando en la base de datos interna de la empresa si eres empleado y, en caso afirmativo, abrir la puerta. Otro ejemplo: el departamento de seguridad pública quiere localizar a fugitivos registrados en la base de datos en lugares con gran afluencia de público, y necesita filtrar a las personas coincidentes entre una gran cantidad de información en la base de datos facial. Este tipo de modo pone a prueba la capacidad de la base de datos de retratos, y la tasa de precisión es ligeramente inferior (entre un 5 % y un 10 %) a la del modo 1:1.

Modo M:N – aquí M puede entenderse como una base de datos. El modelo M:N se utiliza principalmente en lugares con gran flujo de personas y donde se debe garantizar la seguridad pública, como estaciones de ferrocarril, conciertos y grandes eventos deportivos. En este tipo de reconocimiento facial, el sujeto reconocido normalmente no permanece en un solo lugar, sino que está en movimiento (por ejemplo, pasajeros con prisa en una estación de AVE), lo que corresponde al reconocimiento dinámico. Se ve fácilmente afectado por el perfil, la luz, la distancia, etc., y su precisión es la más baja de los tres modos. Ante grandes volúmenes de datos, los escenarios de reconocimiento facial pueden requerir la realización de cálculos en el borde a través de un terminal de reconocimiento facial para aliviar la carga del servidor de la base de datos.