網(wǎng)上關(guān)于廣東客運巴士檢票刷臉車載刷卡機的刷卡知識比較多，也有關(guān)于廣東客運巴士檢票刷臉車載刷卡機的問題，今天第一pos網(wǎng)(m.javbus2020.com)為大家整理刷卡常見知識，未來的我們終成一代卡神。

本文目錄一覽：

1、廣東客運巴士檢票刷臉車載刷卡機

廣東客運巴士檢票刷臉車載刷卡機

今天我和全國人民一起，乘坐高鐵返鄉(xiāng)。

不知道你有沒有感到不方便，每次到了上車口，每個人必須要掏出車票，或者身份證，去刷卡機上滴地一下，這樣才能進場。

為什么上車不能象進站那樣用人臉識別呢？

或者更快捷一點，象支付寶一樣，直接刷臉通過，既省時間，也避免了掏錢包的動作，避免了許多危險。

實際上，這里面#大有學問#，人臉識別有很多種不同的類型，使用場景也不一樣：

進站口掏出身份證刷一下臉的，那叫做1比1識別；小店消費支付寶刷臉的，叫做1：n( n<1000）識別；象我們希望的那種場景，火車進站只要刷臉就上車那種，也叫做1:n識別（n>10000)；

高鐵進站

為什么會有這么多種算法呢？

它們的差別在哪里？

什么時候我們才可以只憑一張臉就坐高鐵，坐地鐵？

用貝葉斯統(tǒng)計來分析人臉識別場景

為了解決這個識別準不準的原則，我給大家講一下貝葉斯統(tǒng)計的條件概率。

1：1識別是用你的身份證存儲圖片和現(xiàn)場照片進行比對；1：N是用現(xiàn)場拍的照片向庫里面搜索進行比對；

人臉識別準確率都差不多，商用的基本上在98%以上。那為什么在火車進站時不能用1:N進行比較呢？

這是因為你比對的樣本數(shù)量不一樣，1：1比對，你的樣本數(shù)量只有一個，當用你的照片和這一個結(jié)果進行比較時，比較成功的概率就是98%。

P(真）=1-P(假）

其中P(真）是識別準確率，P(假）是識別錯誤率。

此時樣本只有一個，那么P(真）的結(jié)果就是98%；

但是一旦樣本數(shù)量多的話，有1萬個，那么P(真）的概率不僅包括本人是真，檢查真的情況，也會包括其它人員通過人臉識別，檢查為真的情況。

P(真）=本人且檢驗結(jié)果為真/(本人且檢驗結(jié)果為真+非本人且檢驗結(jié)果為真）

樣本為1人和樣本為1萬人的實際準確率

所以大家可以看到，如果是1：1的檢驗，由于樣本很少，除非找到孿生姐妹來用你的身份證，剛好比較通過，這個屬于惡意行為，暫不討論。

按照統(tǒng)計學來說，1：1的終驗結(jié)果就是98%，這個結(jié)果應(yīng)該是可以接受的，當然如果測不準你可以找車站工作人員處理。

但是當進站的人超過1萬個時，假設(shè)機器的誤差在98%左右，那么準確率應(yīng)該是：

0.98/(0.98+200）=0.49%

結(jié)果竟然是0.49%的準確率！

真是可怕！

這個結(jié)論告訴我們，哪怕你的識別準確率達到了98%以上，但是對于火車站這種萬人級別的場景，由于人的相似性，最后的準確率只有0.49%，很多并不是此人的乘客可能把你的票給扣了。

雖然目前的科學技術(shù)還是在不斷的進步，可能人臉識別的準確率達到了99.99%，不過我想就算這樣，1萬個人的準確率還是只有50%，因為可能找到一個和你長得差不多的，他也檢測通過。

人臉識別技術(shù)

那我還沒進站我的票被別人用了，你說氣不氣？

如果應(yīng)用在地鐵這種百萬人級別的場景中，根本沒有可行性，一不小心，你的支付寶一天到晚就會滴個不停。

所以你暫時還看不到地鐵會接受人臉識別。

那么為什么支付寶敢于用人臉識別這個場景來做商店支付

我想有三個原因：

第一他的準確率很可能達到了99.99%以上。第二應(yīng)用在一些商店的場景中，實際上注冊購物的人數(shù)并不會超過1千人，數(shù)量可控，這樣如果按99.99%的概率，1000人來計算的話，實際準確率應(yīng)該是0.9999/(0.9999+0.1)= 90%，還在可以接受的范圍。當然阿里也有說達到了百萬分之一，如果真的有百萬分之一的話，那就是99.9999%那么在千人商店中，準確率會大于99.9%，基本上可以接受。第三是大家在刷臉時大部分都會看一下是不是本人，如果不是本人都會退錢，惡意的也少見，因為可以溯源，你用別個的支付寶買單，就象銀行卡給你吐錯鈔票一樣。

支付寶也會結(jié)合一些大數(shù)據(jù)的判斷來確認此人的消費是否有問題，如果有人投訴的話客服會及時處理。

所以它一定是借助了人臉識別之外的一些工具和算法，以及這個人的購物習慣來做這個工作的，以確保達到百萬分之一的錯誤率。

但不管怎么說，我還是不敢在門店注冊人臉購物，萬一自已冷不丁發(fā)現(xiàn)支付寶被閃扣了多少多少錢，那該多心痛啊。

刷臉支付

那人臉門禁是不是安全？

現(xiàn)在大量的樓宇，智慧工廠都采用了人臉識別的方式，實現(xiàn)無感進入，那這樣是不是安全呢。

總得來說還可以，因為大部分的樓宇場景人數(shù)都在萬人之內(nèi)，此為人臉門禁是熟人出入，如果誰發(fā)現(xiàn)打錯了卡隨時會報警，對算法進行調(diào)整和修正。

現(xiàn)在釘釘發(fā)布的人臉門禁精度在99.99%左右，基本上能滿足大部分門禁考勤的需求，而且作為門禁考勤機，大部分都有訓練系統(tǒng)。

人臉門禁機

每天你進出門禁時的照片，會在數(shù)據(jù)模型中進一步訓練，加深系統(tǒng)的印象，促使門禁的精度進一步提升，大大超過最初安裝的精度。

機器學習技術(shù)

而且，很少有人以身試法，去試下能不能進別家樓宇的門禁，這就造成出錯的可能性非常低。

未來人臉識別的發(fā)展

人臉的使用場景很多，但目前商用的主要還是1比1人臉識別，可以代替很多上門的認證，辦證服務(wù)工作，因為它的可靠性高。

但是隨著人臉庫的增加，識別精度和準確度就會大幅度下降，就算是號稱百萬分之一的精度，如果到了城市的億級人像庫里，由于大量負樣本的存在，實際準確率還是會降為1%。

但是不是1比n算法，大于10萬，100萬的算法就沒有用了呢？

這也不是，公安人員抓罪犯，或者縮小嫌疑人員排查范圍就用到1比100萬，甚至1比1億的人臉庫。

一方面這些大型業(yè)務(wù)的人臉庫都反復訓練，精度達到了小數(shù)點之后n個9，減輕工作壓力。另一方面精度不夠也不怕，對于重點人員或者重點事件的篩選，只要找到相應(yīng)的嫌疑人員，可以進行深度的情報分析和挖掘。

結(jié)合大數(shù)據(jù)進行情報分析，分析該人員其它活動和行為軌跡，就能夠在縮小了范圍的圈子中，如200人，很快地找到相關(guān)的嫌疑人員，再進行更進一步的分析。

完全刷臉的時代即將帶來，技術(shù)給我們方便，也會帶來各種各樣的安全隱患。

希望大家今后在遇到需要人臉識別的場景也非常謹慎，避免不當泄露自已的信息，以造成相應(yīng)的財產(chǎn)損失。

人臉就是你的數(shù)字化簽名！

人臉簽名

以上就是關(guān)于廣東客運巴士檢票刷臉車載刷卡機的知識，后面我們會繼續(xù)為大家整理關(guān)于廣東客運巴士檢票刷臉車載刷卡機的知識，希望能夠幫助到大家！

轉(zhuǎn)載請帶上網(wǎng)址：http://m.javbus2020.com/shuakatwo/180463.html