Med innovationen og udviklingen af mobil betalingsteknologi er intelligent ansigtsgenkendelsesbetaling været opmærksom på offentligheden efter den stadig mere modne og populariserede QR -kodebetaling, især den hurtige udvikling af ansigtsgenkendelsesteknologi i de sidste to år. Den effektive forbedring af genkendelsesnøjagtighed og hastighed har givet et fundament for anvendelse af ansigtsgenkendelse på mange områder.
Anvendelsen af ansigtsgenkendelse begyndte gradvist at stige. Med den officielle lancering af Jinhua Bus Face -betalingsprojektet i januar 2019 blev det den første by i Kina, der brugte "ansigtsgenkendelse" -systemet, der begyndte en ny æra med ansigtsbetaling i busindustrien.
Hvad med praksis og anvendelse af smart ansigtsgenkendelsesteknologi inden for offentlig transport? I 2019 har mere end 20 byer i busindustrien udført ansigtsgenkendelsestest eller anvendte ansigtsgenkendelsessystemer. Ansigtsgenkendelse er blevet populær i busbranchen. Der er dog et par busruter, der kan understøtte ansigtsgenkendelse i sekundære byer. De fleste af dem er i prøveoperationsstadiet. Derfor kan det ses, at accept af ansigtsgenkendelse fra passagerer skal forbedres. Der er visse begrænsninger.
Problemer med ansigtsgenkendelse i offentlig transport
De vigtigste processer inden for ansigtsgenkendelsesteknologi inkluderer erhvervelse af ansigtsbillede, ansigtsdetektion, forarbejdning, ansigtsfunktionsekstraktion, ansigtsmatchning/genkendelse osv.
Der er nogle problemer i praksis og anvendelse af ansigtsgenkendelsesteknologi inden for offentlig transport som følger:
1. Højgenkendelsesnøjagtighed
Busbetaling hører til betalingsbranchen. Betalingsbranchen kræver høj anerkendelsesnøjagtighed. Identifikationsfejl vil medføre et stort antal klager, som er en stor udfordring for brugeroplevelse og busoperation. De kan alvorligt påvirke brugernes accept af ansigtsgenkendelse.
2. Stor brugerbase
Det har en stor brugerbase. Sammenlignet med finanssektoren og jernbanesektoren har busindustrien en relativt større brugerbase. Bussystemet i en by dækker næsten alle mennesker i byen. Sekundære byer har ofte millioner af brugere.
3. Høj trafikeffektivitet
På grund af det store antal passagerer er det påkrævet at opnå hurtig passering for at undgå overbelastning og trafikpropper, især i spidsbelastningen.
4. Different driftsmiljø
Hver by har busser. Der er ikke kun høje bygninger, viadukter og tunneler, men også fjerntliggende forstæder. Derfor er driftsmiljøet relativt komplekst. På samme tid vil forskellige busstoppesteder og tider også have forskellige lys. Der er forskellige belysningsmiljøer såsom baggrundslys, svagt lys og stærkt lys. Der er også forskellige 4G -netværksmiljøer på forskellige områder og forskellige steder i det samme område. Online -identifikationen af steder med svage netværkssignaler er meget begrænset.
5. høje byggeomkostninger
Urban public transport er en social velfærd. De fleste busselskaber står over for økonomiske begrænsninger. På nuværende tidspunkt er ansigtsgenkendelsesterminalerne på markedet for det meste ansigtsgenkendelsesterminaler. Der er ingen tapping og QR -kodebetaling, så busser er nødt til at installere flere terminaler. På den ene side øger det byggeomkostningerne og forårsager spild af sociale ressourcer. På den anden side svarer flere sæt udstyr ofte til flere sæt styringssystemer, hvilket øger drifts- og styringsomkostningerne og også bringer problemer i dataintegration.
Anvendelsesgenkendelsesløsninger af offentlig transport
Hangzhou Golong -teknologi giver et komplet sæt løsninger inden for offentlig transport baseret på ansigtsgenkendelsesteknologi. Avanceret teknologi er vedtaget for at sikre nøjagtigheden og genkendelseshastigheden for ansigtsgenkendelse, hvilket vil hjælpe udviklingen af ansigtsgenkendelsesteknologi inden for offentlig transport.
1. Improver anerkendelsesnøjagtighed
Hangzhou Golong Technology's ansigtsgenkendelsesprodukter bruger 3D -ansigtsgenkendelsesteknologi. 3D -ansigtsgenkendelsesteknologi har en højere tilpasningsevne til forskellige situationer.
Det kan opnå højere genkendelsesnøjagtighed og effektivt løse problemerne med ansigtsgenkendelse.
Med hensyn til genkendelseseffektivitet vedtager Golong -teknologi den offline og online dobbelte genkendelsesmetode for overskriftudstyr og backend -servere, som kan opnå millisekund offline anerkendelse. Derudover kan det løse størstedelen af brugergenkendelse i løbet af den maksimale time. Med andre ord kan det fremskynde genkendelseshastigheden, øge nøjagtigheden, reducere kommunikationsdata og mindske genkendelsestrykket for backend -servere.
Bussdriftsmiljøet er komplekst og varieret, og det lette miljø er anderledes. Hangzhou Golong -teknologi fanger ansigtsdata gennem en kombination af optiske og infrarøde kameraer, hvilket mere effektivt sikrer hastigheden og nøjagtigheden af ansigtsgenkendelse i stærkt lys, svagt lys og baggrundsbelysning. Det kan give brugerne en bedre oplevelse, når de rejser.
2. Løs stor brugerbase
Først og fremmest, med udviklingen af computerkapacitet, har eksisterende computere været i stand til at identificere millioner - skala -databaser og sammenligne information fra titusinder af millioner mennesker. For det andet giver den brede anvendelse af skytjenester også en mere effektiv implementeringsmodel og en mere rimelig ressourceudnyttelsesgrad. For det tredje, med den udbredte promovering af mikroservices og andre arkitekturer, er database og multi - knudepunktsoperationer blevet en realitet for at levere bedre løsninger. For det fjerde kan der også foretages multi - lagsammenligninger. Passagerer kan opdeles i forskellige biblioteker i henhold til rejsereglerne osv. Små databaser screenes af store databaser. Derefter kan nøjagtig anerkendelse realiseres. Ovenstående teknologi kan bruges til at løse en stor brugerbase.
3. Forbindelse effektiviteten af trafikstrømmen
Der er flere løsninger på problemet med trafikeffektivitet:
Først og fremmest kan offline identifikation opnås for at løse effektivitetsproblemet forårsaget af netværksforsinkelse. Offline -identifikation er nu hovedsageligt begrænset af computerkraften på headend -enheder og størrelsen på den lokale database med lagrede ansigter. Derfor er det nødvendigt med et sæt algoritmer for at screene de almindelige passagerer i hver bus. Rejseoplysninger for hver person kan analyseres gennem big data.
For det andet, med udviklingen og gradvis brug af 5G -teknologi, vil høje - hastighedstransmissionsnetværk også blive en fremragende løsning. Endelig indsættes fangstkameraer for at før - identificere passagerer i reel
4. Løs problemet med store forskelle i driftsmiljøer
I den faktiske drift af offentlig transport er miljøet komplekst. For forskellige lysproblemer kan 3D -genkendelse nævnt i genkendelsesnøjagtigheden løse dette problem. Uanset om det er svagt lys, baggrundsbelysning eller stærkt lys, kan ansigter anerkendes. For det andet kan ansigtsgenkendelse kombineres med QR -koder. Forskellige betalingsmetoder svarer til den samme konto, som ikke kun kan forbedre brugeroplevelsen, men også løse de problemer, der er forårsaget af miljøet i ansigtsbetaling.
5. SAVE -omkostninger
Med hensyn til omkostningsbesparelser bruger Golong en systemintegrationsmetode i stedet for at udskifte de eksisterende betalingsmetoder. På nuværende tidspunkt er IC -kort, QR -koder, ansigtsbetaling og andre betalingsmetoder integreret i den fulde betalingsterminal snarere end en enkelt ansigtsbetalingsterminal. Hangzhou Golong -teknologi integrerer den aktuelle populære QR -kodeteknologi med ansigtsgenkendelsesteknologi på grundlag af forbedring af effektiviteten og nøjagtigheden af ansigtsgenkendelse. En app og en konto kan understøtte flere betalingsmetoder. Brugere behøver kun at registrere i appen en gang. De kan selektivt åbne to applikationsmetoder, som mere effektivt forbedrer brugeroplevelsen og fremskynder brugernes accept.
6. Dæk på anvendelse af ansigtsgenkendelse
Mens ovenstående problemer kan løses, har Hangzhou Golong -teknologi også udvidet ansigtsbetalingen til forskellige applikationer.
Den første er anvendelsen af sikkerhed, der kan gøre det muligt for ansigtsbetalingsenheder at udøve et andet lag af værdi.
For det andet kan ansigtsgenkendelse også løse de tab, der er forårsaget af låntagning af specielle gruppers buskort (ældre mennesker, militært personale, studerende osv.), Og realisere den online årlige kontrol af præferencekort på samme tid.
For det tredje kombinerer det også busplanlægning og kørselssikkerhed for at opnå flere applikationer, såsom registrering af deltagelse gennem chaufførens ansigter, køreadfærdsanalyse og passagerstrømningsstatistikker.
For det fjerde, under epidemien, kan anvendelsen af ansigtsgenkendelse give bedre datastatistik for forebyggelse og kontrol af epidemien og reducere arbejdsbyrden for manuel statistik.