正在引入質量評估算法（QAA），以通過面部生物識別驗證系統來幫助減少錯誤。
宣布稱，銀行和金融科技經常與包含面部圖像的數據集合作，這些數據集受到低照明，極端角度或遮擋（例如面具或眼鏡）影響的面部圖像。在生物識別比較之前評估圖像質量有助於減輕這些風險。
該公司表示，來自3DIVI的新QAA會自動過濾照片，並以面部識別方式過濾，並可以將面部比較錯誤降低50％，而Livices檢測錯誤則減少40％。
來自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，並刪除或更換所有質量質量不佳的圖像，以提高生物識別數據集的質量。組織還應實施持續質量控制的持續驗證，並向最終用戶提供指南，以進行環境調整，例如最佳照明和相機定位。
ISO/IEC 29794-5是面部圖像數據的生物特徵樣品質量標準。
NIST評估面部質量評估算法作為其面部分析技術評估（FATE）計劃的一部分，並發布了有關特定圖像缺陷檢測（sidd）本月。
相關文章
文章主題
||||||
最新的生物識別新聞
文件驗證是否死了？這個問題陷入了由IDV首席執行官史蒂夫·克雷格（Steve Craig）主持的辯論中。五位行業專家…
