排名一个计算作为其生物识别ROC SDK的更新的一部分，已推出了一种新的面部识别算法，该公司表示，该算法将错误率和模板生成时间降低了一半。
虽然ROC SDK版本中包含的生物识别算法显着提高了速度和准确性，但排名一分为一个分，即其包含的版本包括版本1.20放在NIST FRVT排名提高准确性和效率。
为移动和嵌入式应用设计的FR FAST算法也得到了改进，模板生成时间降低了10％，错误率降低了15％至40％。
v1.22版本还包括排名新的眼周算法用于确定戴着口罩的人以及公司的纹身识别算法。还添加了其他几种API增强功能，包括用于媒体管理的新数据库基础架构。
ROC SDK版本1.22代表了一年多的研究的结晶。这是我们不仅能够提供明显的准确性改进，而且能够对我们的面部识别管道的显着速度提高，这是一个值得注意的成就 - 这是我们已经具有最快的面部识别算法之一。 “借助Roc FR Fast的新版本，并引入了眼周的面部识别算法，V1.22是ROC SDK现有用户的必不可少的升级，对于希望提高其面部识别产品准确性和效率的竞争产品的用户而言，它是一种令人信服的替代方案。”
松下讨论facepro升级
Facepro生物识别面部识别系统松下现在，即使面孔被太阳镜或口罩遮住了，现在也提供高精度，该公司表示，在寻找市场份额时，它“现在正在进攻”。
在接受公司面部识别开发人员Hiromichi Sotodate，Masashige Tsuneno和Yuiko Takase的内部采访中，讨论了FacePro的发展和能力。该系统可以在最多2,000台摄像机和100台服务器上执行实时识别，并且在客户端站点工作的系统工程师有助于松下添加功能，并使系统更易于使用。
FacePro是一种深入学习服务器软件，用于与Panasonic提供的智能监视摄像机集成。
Tsuneno指出，在增强面部识别精度的同时，最大程度地减少后端服务器的负担的重要性。
他说：“受试者在监视摄像机的录像中不断移动。此外，相机安装在难以发现的地方，例如天花板。” “我们执行了重复的误差识别和问题设置，并研究了可以实现的稳健控制水平。这意味着即使控制目标的动态特征略有变化，也可以保持稳定性的控制。”
Takase说，在Haneda机场的一次试验中，该技术被用来检查两周的60,000多人，每天24小时跑步，并证明高度准确，几乎没有虚假的比赛。
该帖子还包括与公司系统工程师的访谈，他们讨论了FacePro在挑战性的照明条件下如何工作，以及在不同情况下实施面部识别系统以满足高客户期望的挑战。
据《邮报》报道，生物识别引擎是由松下的创新中心和新加坡国立大学共同开发的，在最近向潜在的美国客户的演示中印象深刻。
松下炫耀FacePro技术在去年的ISC东部。
