Mobiilimaksutekniikan innovaatioiden ja kehittämisen myötä älykäs kasvojen tunnustusmaksu on tullut yleisön huomion jälkeen yhä kypsemmän ja popularisoidun QR -koodin maksun jälkeen, etenkin kasvojen tunnistustekniikan nopean kehityksen viimeisen kahden vuoden aikana. Tunnistustarkkuuden ja nopeuden tehokas parantaminen on tarjonnut perustan kasvojen tunnistuksen soveltamiselle monilla aloilla.
Kasvontunnistuksen soveltaminen alkoi kasvaa vähitellen. Jinhua -linja -autojen kasvomaksuprojektin virallisen käynnistämisen jälkeen tammikuussa 2019 tuli Kiinan ensimmäinen kaupunki, joka käytti ”kasvojen tunnustus” -järjestelmää, joka aloitti uuden kasvomaksun aikakauden linja -autoteollisuudessa.
Entä älykkään kasvojen tunnistustekniikan harjoittelu ja soveltaminen julkisen liikenteen alalla? Vuonna 2019 yli 20 linja -autoteollisuuden kaupunkia on suorittanut kasvojentunnistustestejä tai käytettyjä kasvojentunnistusjärjestelmiä. Kasvojen tunnustamisesta on tullut suosittua linja -autoteollisuudessa. On kuitenkin muutamia linja -autoreittejä, jotka voivat tukea kasvojen tunnistusta toissijaisissa kaupungeissa. Suurin osa heistä on koekäyttövaiheessa. Siksi voidaan nähdä, että matkustajien kasvotusten tunnustamisen hyväksymistä on parannettava. On tiettyjä rajoituksia.
Kasvojen tunnistamisen ongelmat julkisessa liikenteessä
Kasvojen tunnistustekniikan tärkeimpiin prosesseihin kuuluvat kasvokuvien hankkiminen, kasvojen havaitseminen, esikäsittely, kasvoominaisuuksien poisto, kasvojen sovittaminen/tunnistus jne.
Kasvojentunnistustekniikan käytännössä ja soveltamisessa on joitain ongelmia julkisen liikenteen alalla seuraavasti:
1.Korkea tunnistustarkkuus
Bussimaksu kuuluu maksuteollisuudelle. Maksuteollisuus vaatii suurta tunnustusta. Tunnistusvirheet aiheuttavat suuren määrän valituksia, mikä on suuri haaste käyttökokemukselle ja linja -autojen toiminnalle. Ne voivat vakavasti vaikuttaa käyttäjien hyväksymiseen kasvojentunnistukseen.
2.suuntainen käyttäjäkanta
Sillä on suuri käyttäjäkunta. Verrattuna finanssiteollisuuteen ja rautatieteollisuuteen, linja -autoteollisuudella on suhteellisen suurempi käyttäjäkunta. Kaupungin linja -autojärjestelmä kattaa melkein kaikki kaupungin ihmiset. Toissijaisilla kaupunkeilla on usein miljoonia käyttäjiä.
3.Korkea liikenteen tehokkuus
Suuren matkustajien määrän vuoksi on saavutettava nopea ohitus ruuhkien ja liikenneruuhkien välttämiseksi, etenkin ruuhka -aikoina.
4.Differentti toimintaympäristö
Jokaisessa kaupungissa on linja -autoja. Siellä ei ole vain korkeita rakennuksia, viadukteja ja tunneleita, vaan myös syrjäisiä lähiöitä. Siksi toimintaympäristö on suhteellisen monimutkainen. Samanaikaisesti eri linja -autopysäytyspaikoilla ja aikoilla on myös erilaisia valoja. On olemassa erilaisia valaistusympäristöjä, kuten taustavalo, hämärä ja vahva valo. Eri alueilla on myös erilaisia 4G -verkkoympäristöjä ja samalla alueella eri alueilla. Paikkojen online -tunnistaminen, jolla on heikko verkkosignaalit, on suuresti rajallinen.
5.Korkea rakennuskustannukset
Kaupunkien julkinen liikenne on sosiaalinen hyvinvointi. Suurimmalla osalla linja -autoyhtiöitä on taloudellisia rajoituksia. Tällä hetkellä markkinoiden kasvojentunnistusterminaalit ovat enimmäkseen kasvojentunnistusterminaaleja. Napautusta ja QR -koodimaksua ei ole, joten väylät on asennettava useita liittimiä. Toisaalta se lisää rakennuskustannuksia ja aiheuttaa sosiaalisten resurssien tuhlausta. Toisaalta useat laitesarjat vastaavat usein useita hallintajärjestelmiä, mikä lisää käyttö- ja hallintakustannuksia ja tuo myös ongelmia tietojen integroinnissa.
Kasvojentunnistusratkaisut julkisesta liikenteestä
Hangzhou Golong -teknologia tarjoaa täydellisen joukon ratkaisuja julkisen liikenteen alalla kasvojentunnistustekniikan perusteella. Edistynyt tekniikka otetaan käyttöön kasvojen tunnustamisen tarkkuuden ja tunnistamisen nopeuden varmistamiseksi, mikä auttaa kasvojentunnistustekniikan kehittämistä julkisen liikenteen alalla.
1. Paranna tunnistuksen tarkkuutta
Hangzhou Golong Technologyn kasvojentunnistustuotteet käyttävät 3D -kasvojentunnistustekniikkaa. 3D -kasvojen tunnistustekniikka on korkeampi sopeutumiskyky eri tilanteisiin.
Se voi saavuttaa korkeamman tunnistuksen tarkkuuden ja ratkaista tehokkaasti kasvojen tunnistusongelmat.
Tunnistustehokkuuden suhteen Golong -tekniikka hyväksyy otsikkolaitteiden ja taustapalvelimien offline- ja online -tunnistusmenetelmän, joka voi saavuttaa millisekunnin offline -tunnistuksen. Lisäksi se voi ratkaista suurimman osan käyttäjän tunnistamisesta ruuhka -aikana. Toisin sanoen se voi nopeuttaa tunnistusnopeutta, lisätä tarkkuutta, vähentää viestintätietoja ja vähentää taustapalvelimien tunnistuspainetta.
Bussikäyttöympäristö on monimutkainen ja monipuolinen, ja kevyt ympäristö on erilainen. Hangzhou Golong -teknologia kaappaa kasvotiedot yhdistelmällä optisia ja infrapunakameroita, mikä varmistaa tehokkaammin kasvojen tunnistuksen nopeuden ja tarkkuuden voimakkaalla valossa, heikossa valossa ja taustavalossa. Se voi tarjota käyttäjille paremman kokemuksen matkoillaan.
2.Vauta iso käyttäjäkanta
Ensinnäkin, laskentakapasiteetin kehittämisen myötä olemassa olevat tietokoneet ovat kyenneet tunnistamaan miljoonia - mittakaavatietokantoja ja vertaamaan kymmeniä miljoonia ihmisiä. Toiseksi pilvipalvelujen laaja sovellus tarjoaa myös tehokkaamman käyttöönottomallin ja kohtuullisemman resurssien käyttöasteen. Kolmanneksi, mikropalvelujen ja muiden arkkitehtuurien laajalle levinneestä edistämisestä, tietokannasta ja multi - solmuoperaatioista on tullut todellisuus tarjota parempia ratkaisuja. Neljänneksi, multi - kerroksen vertailut voidaan myös tehdä. Matkustajat voidaan jakaa eri kirjastoihin matkasääntöjen jne. Suljettavien tietokantojen avulla. Sitten voidaan toteuttaa tarkka tunnistus. Yllä olevaa tekniikkaa voidaan käyttää suuren käyttäjäkannan ratkaisemiseen.
3.Nanna liikennevirran tehokkuutta
Liikenteen tehokkuuden ongelmaan on useita ratkaisuja:
Ensinnäkin offline -tunnistaminen voidaan saavuttaa verkon latenssin aiheuttaman tehokkuusongelman ratkaisemiseksi. Offline -tunnistamista rajoittaa nyt pääasiassa otsikkolaitteiden laskentavoima ja tallennettujen kasvojen paikallisen tietokannan koko. Siksi tarvitaan joukko algoritmeja kunkin väylän yhteisten matkustajien seulomiseksi. Kunkin henkilön matkatiedot voidaan analysoida suurten tietojen avulla.
Toiseksi 5G -tekniikan kehittämisessä ja asteittaisella käytöllä korkeat - Nopeuden siirtoverkoista tulee myös erinomainen ratkaisu. Lopuksi, sieppauskamerat otetaan käyttöön ennen - tunnistamaan matkustajat todellisessa - Aika tietyissä paikoissa, kuten BRT -alustoissa, metroporteissa jne. Onnistuneen tunnistamisen jälkeen matkustajatiedot synkronoidaan latausterminaaliin nopean tunnistamisen saavuttamiseksi.
4.Kuloita suurten erojen ongelma toimintaympäristöissä
Julkisen liikenteen todellisessa toiminnassa ympäristö on monimutkainen. Eri valoongelmiin tunnustamisen tarkkuudessa mainittu 3D -tunnistus voi ratkaista tämän ongelman. Olipa kyse heikosta valosta, taustavaloista tai voimakkaasta valosta, kasvot voidaan tunnistaa hyvin. Toiseksi kasvojentunnistus voidaan yhdistää QR -koodeihin. Eri maksutavat vastaavat samaa tiliä, mikä ei vain paranna käyttökokemusta, vaan myös ratkaista ympäristön aiheuttamat ongelmat kasvomaksulla.
5. Aseta kustannukset
Kustannussäästöjen kannalta Golong käyttää järjestelmän integrointimenetelmää olemassa olevien maksutavojen korvaamisen sijasta. Tällä hetkellä IC -kortit, QR -koodit, kasvomaksu ja muut maksutapit integroidaan koko maksutterminaaliin yhden kasvomaksupäätteiden sijasta. Hangzhou Golong -tekniikka integroi nykyisen suositun QR -kooditekniikan kasvojentunnistustekniikkaan kasvojen tunnistuksen tehokkuuden ja tarkkuuden parantamiseksi. Sovellus ja tili voivat tukea useita maksutapoja. Käyttäjien on rekisteröidyttävä sovellukseen vain kerran. He voivat valikoivasti avata kaksi sovellusmenetelmää, mikä parantaa tehokkaammin käyttökokemusta ja nopeuttaa käyttäjien hyväksyntää.
6. kasvojen tunnistuksen laajuinen soveltaminen
Vaikka yllä olevat ongelmat voidaan ratkaista, Hangzhou Golong -teknologia on myös laajentanut kasvomaksua eri sovelluksiin.
Ensimmäinen on turvallisuuden soveltaminen, jonka avulla kasvomaksulaitteet voivat käyttää toisen arvokerroksen.
Toiseksi kasvojen tunnustus voi myös ratkaista erityisryhmien linja -autokorttien (vanhukset, armeijan henkilöstö, opiskelijat jne.) Lainan aiheuttamat tappiot ja toteuttaa etuuskohteiden vuotuinen tarkastus samanaikaisesti.
Kolmanneksi, se yhdistää myös linja -autojen aikataulut ja ajoturvallisuuden useiden sovellusten saavuttamiseksi, kuten osallistumisen kirjaamiseen kuljettajien kasvojen, ajokäyttäytymisen analyysin ja matkustajavirtatilastojen kautta.
Neljänneksi, epidemian aikana kasvojentunnistuksen soveltaminen voi tarjota parempia tietotilastoja epidemian ehkäisemiseksi ja hallintaan ja vähentää manuaalisten tilastojen työmäärää.