正在引入質量評估算法(QAA),以幫助減少人臉生物特徵認證系統的錯誤。
該公告稱,銀行和金融科技公司經常使用的數據集包含受低光照、極端角度或遮擋物(如口罩或眼鏡)影響的面部圖像,這些圖像會增加誤報、漏報和欺詐的風險。在生物特徵比較之前評估圖像質量有助於減輕這些風險。
該公司表示,3DiVi 的新 QAA 會自動過濾照片以使其適合面部識別,並且可以將面部比較錯誤減少 50%,將活體檢測錯誤減少 40%。
3DiVi 的計算機視覺和麵部識別專家建議對所有圖像進行全面分析,並刪除或替換所有質量較差的圖像,以提高生物識別數據集的質量。組織還應實施持續的驗證以實現持續的質量控制,並為最終用戶提供環境調整指南,例如最佳照明和相機定位。
ISO/IEC 29794-5是人臉圖像數據的生物特徵樣本質量標準。
NIST 對人臉圖像質量評估算法進行評估,作為其人臉分析技術評估 (FATE) 計劃的一部分,並發布了一份新報告特定圖像缺陷檢測(SIDD)這個月。
相關帖子
文章主題
||||||









