Med innovasjon og utvikling av mobil betalingsteknologi har intelligent ansiktsgjenkjenningsbetaling kommet til publikum etter den stadig mer modne og populariserte QR -kodebetalingen, spesielt den raske utviklingen av ansiktsgjenkjenningsteknologi de siste to årene. Den effektive forbedringen av gjenkjennelsesnøyaktighet og hastighet har gitt et grunnlag for anvendelse av ansiktsgjenkjenning på mange felt.
Bruken av ansiktsgjenkjenning begynte å øke gradvis. Med den offisielle lanseringen av Jinhua Bus Face Payment Project i januar 2019, ble det den første byen i Kina som brukte "Face Recognition" -systemet, og startet en ny epoke med ansiktsbetaling i bussindustrien.
Hva med praksis og anvendelse av smart ansiktsgjenkjenningsteknologi innen offentlig transport? I 2019 har mer enn 20 byer i bussindustrien utført ansiktsgjenkjenningstester eller brukt ansiktsgjenkjenningssystemer. Ansiktsgjenkjenning har blitt populær i bussindustrien. Imidlertid er det noen få bussruter som kan støtte ansiktsgjenkjenning i sekundære byer. De fleste av dem er i prøveoperasjonen. Derfor kan det sees at aksept av ansiktsgjenkjenning fra passasjerer må forbedres. Det er visse begrensninger.
Problemer med ansiktsgjenkjenning i offentlig transport
Hovedprosessene for ansiktsgjenkjenningsteknologi inkluderer anskaffelse av ansiktsbilder, ansiktsdeteksjon, forbehandling, utvinning av ansiktsfunksjon, ansiktsmatching/anerkjennelse, etc.
Det er noen problemer i praksis og anvendelse av ansiktsgjenkjenningsteknologi innen offentlig transport, som følger:
1. Høy gjenkjennelsesnøyaktighet
Bussbetaling tilhører betalingsbransjen. Betalingsbransjen krever høy gjenkjennelsesnøyaktighet. Identifikasjonsfeil vil forårsake et stort antall klager, noe som er en stor utfordring for brukeropplevelsen og bussdrift. De kan alvorlig påvirke brukernes aksept av ansiktsgjenkjenning.
2. stor brukerbase
Den har en stor brukerbase. Sammenlignet med finansnæringen og jernbaneindustrien, har bussindustrien en relativt større brukerbase. Busssystemet i en by dekker nesten alle menneskene i byen. Sekundære byer har ofte millioner av brukere.
3. Høy trafikkeffektivitet
På grunn av det store antall passasjerer, er det påkrevd å oppnå rask passering for å unngå overbelastning og trafikkork, spesielt i rushtiden.
4. Different driftsmiljø
Hver by har busser. Det er ikke bare høye bygninger, viadukter og tunneler, men også avsidesliggende forsteder. Derfor er driftsmiljøet relativt sammensatt. Samtidig vil forskjellige busstoppsteder og tider også ha forskjellige lys. Det er forskjellige lysmiljøer som bakgrunnsbelysning, lite lys og sterkt lys. Det er også forskjellige 4G -nettverksmiljøer på forskjellige områder og forskjellige steder i samme område. Den elektroniske identifiseringen av steder med svake nettverkssignaler er sterkt begrenset.
5. Høye byggekostnader
Urban offentlig transport er en sosial velferd. De fleste busselskaper står overfor økonomiske begrensninger. For tiden er ansiktsgjenkjenningsterminalene på markedet stort sett ansiktsgjenkjenningsterminaler. Det er ingen tapping og QR -kodebetaling, så busser trenger å installere flere terminaler. På den ene siden øker det byggekostnadene og forårsaker bortkastet sosiale ressurser. På den annen side tilsvarer flere sett med utstyr ofte flere sett med styringssystemer, noe som øker drifts- og styringskostnadene og gir også problemer med dataintegrasjon.
Ansiktsgjenkjenningsløsninger av offentlig transport
Hangzhou Golong Technology gir et komplett sett med løsninger innen offentlig transport basert på ansiktsgjenkjenningsteknologi. Avansert teknologi blir tatt i bruk for å sikre nøyaktigheten og gjenkjennelseshastigheten for ansiktsgjenkjenning, noe som vil hjelpe utviklingen av ansiktsgjenkjenningsteknologi innen offentlig transport.
1. Forbedre gjenkjennelsesnøyaktighet
Hangzhou Golong Technologys ansiktsgjenkjenningsprodukter bruker 3D ansiktsgjenkjenningsteknologi. 3D ansiktsgjenkjenningsteknologi har en høyere tilpasningsevne til forskjellige situasjoner.
Det kan oppnå høyere gjenkjennelsesnøyaktighet, og effektivt løse problemene med ansiktsgjenkjenning.
Når det gjelder anerkjennelseseffektivitet, vedtar Golong Technology Offline og online dobbeltgjenkjenningsmetode for headend -utstyr og backend -servere, som kan oppnå millisekund offline anerkjennelse. Videre kan det løse flertallet av brukergjenkjenning i løpet av topptimen. Med andre ord, det kan akselerere gjenkjennelseshastigheten, øke nøyaktigheten, redusere kommunikasjonsdata og redusere gjenkjennelsestrykket til backend -servere.
Bussens driftsmiljø er sammensatt og variert, og lysmiljøet er annerledes. Hangzhou Golong -teknologien fanger ansiktsdata gjennom en kombinasjon av optiske og infrarøde kameraer, som mer effektivt sikrer hastigheten og nøyaktigheten av ansiktsgjenkjenning i sterkt lys, svakt lys og bakgrunnsbelysning. Det kan gi brukerne en bedre opplevelse når de reiser.
2. Løs stor brukerbase
Først av alt, med utviklingen av databehandlingskapasitet, har eksisterende datamaskiner vært i stand til å identifisere million - skala databaser og sammenligne informasjon fra titalls millioner mennesker. For det andre gir den brede anvendelsen av skytjenester også en mer effektiv distribusjonsmodell og en rimeligere ressursutnyttelsesgrad. For det tredje, med den utbredte promoteringen av mikroservices og andre arkitekturer, har database og multi - nodeoperasjoner blitt en realitet for å gi bedre løsninger. For det fjerde kan også multi - lags sammenligninger gjøres. Passasjerer kan deles inn i forskjellige biblioteker i henhold til reiseleglene, etc. Små databaser blir vist av store databaser. Da kan nøyaktig gjenkjennelse realiseres. Ovennevnte teknologi kan brukes til å løse en stor brukerbase.
3. Forbedre effektiviteten av trafikkstrømmen
Det er flere løsninger på problemet med trafikkeffektivitet:
For det første kan offline identifikasjon oppnås for å løse effektivitetsproblemet forårsaket av nettverksforsinkelse. Offline identifikasjon er nå hovedsakelig begrenset av datakraften til Headend -enheter og størrelsen på den lokale databasen med lagrede ansikter. Derfor er det nødvendig med et sett med algoritmer for å screene de vanlige passasjerene på hver buss. Reiseinformasjon om hver person kan analyseres gjennom big data.
For det andre, med utvikling og gradvis bruk av 5G -teknologi, vil høye - hastighetsoverføringsnettverk også bli en utmerket løsning. Endelig blir fangstkameraer distribuert for å forhånds identifisere passasjerer i virkeligheten noen steder, for eksempel BRT -plattformer, t -baner, osv. Etter vellykket identifikasjon, synkroniseres passasjerinformasjon med ladetterminalen for å oppnå rask identifikasjon.
4. Løs problemet med store forskjeller i driftsmiljøer
I selve driften av offentlig transport er miljøet sammensatt. For forskjellige lysproblemer kan 3D -gjenkjennelse nevnt i gjenkjennelsesnøyaktigheten løse dette problemet. Enten det er lite lys, bakgrunnsbelysning eller sterkt lys, kan ansikter gjenkjennes godt. For det andre kan ansiktsgjenkjenning kombineres med QR -koder. Ulike betalingsmetoder tilsvarer den samme kontoen, som ikke bare kan forbedre brukeropplevelsen, men også løse problemene forårsaket av miljøet i ansiktsbetaling.
5. Save kostnader
Når det gjelder kostnadsbesparelser, bruker Golong en systemintegrasjonsmetode i stedet for å erstatte de eksisterende betalingsmetodene. For tiden er IC -kort, QR -koder, ansiktsbetaling og andre betalingsmetoder integrert i hele betalingsterminalen, i stedet for en enkelt ansiktsbetalingsterminal. Hangzhou Golong -teknologi integrerer den nåværende populære QR -kodeteknologien med ansiktsgjenkjenningsteknologi på grunnlag av å forbedre effektiviteten og nøyaktigheten av ansiktsgjenkjenning. En app og en konto kan støtte flere betalingsmetoder. Brukere trenger bare å registrere seg i appen en gang. De kan selektivt åpne to applikasjonsmetoder, som mer effektivt forbedrer brukeropplevelsen og fremskynder brukernes aksept.
6. Bred anvendelse av ansiktsgjenkjenning
Mens de ovennevnte problemene kan løses, har Hangzhou Golong -teknologien også utvidet ansiktsbetalingen til forskjellige applikasjoner.
Den første er anvendelsen av sikkerhet, som kan gjøre det mulig for ansiktsbetalingsenheter å utøve et annet lag med verdi.
For det andre kan ansiktsgjenkjenning også løse tapene forårsaket av lån av spesielle grupperes busskort (eldre mennesker, militært personell, studenter, etc.), og innse den online årlige sjekken av preferansekort samtidig.
For det tredje kombinerer den også bussplanlegging og kjøresikkerhet for å oppnå flere applikasjoner som å registrere oppmøte gjennom sjåførenes ansikter, kjøreatferdsanalyse og passasjerstrømstatistikk.
For det fjerde, under epidemien, kan anvendelsen av ansiktsgjenkjenning gi bedre datastatistikk for forebygging og kontroll av epidemien, og redusere arbeidsmengden for manuell statistikk.