云从科技发布3D结构光人脸识别技术

简介:

2月7日,中国计算机视觉企业云从科技正式在国内首发“3D结构光人脸识别技术”,这也是中国企业首次将结构光技术应用在人脸识别系统上。

云从发布“3D结构光人脸识别技术”,相较以往的2D人脸识别及以红外活体检测技术的上有了非常大的飞跃。

此外云从科技已经有了大量的金融级应用,包括刷脸取款,刷脸购物。新技术的发布,标志着云从科技继续引领计算机视觉技术的发展

2016年5月份,云从科技就开始了结构光技术的研究,通过反复验证,实现在银行、手机、家电等各个场景的应用。

云从科技相关负责人对外表示,“国产结构光软硬件技术已经攻克难关,已经开始逐步投入量产。”

云从科技成立于 2015 年 4 月,是一家孵化于中国科学院重庆研究院 的高科技企业,专注于计算机视觉与人工智能。

目前,云从科技是中国银行业人脸识别第一大供应商,包括农行、建行、中行、交行等超过100家 金融机构已采用公司产品。

在安防领域推动中科院与公安部全面合作,通过公安部重大课题研发火眼人脸大数据平台等智能化系统,公司产品已在 24 个省上线实战,引领了公安行业战法变革。

在民航领域,已经与中科院重庆院合作覆盖全国80%的枢纽机场。

2D进化3D

结构光强大的优势

目前除了iPhone X,国产手机几乎都是应用的2D人脸识别技术,存在对识别环境要求苛刻、容易被攻破等缺点。

而应用了“结构光技术”的3D人脸识别系统在精确度、响应速度与活体方面得到了革命性突破。

首先,现在的2D人脸识别技术很容易被照片、手机等道具攻破,往往需要加入动作验证等配合式活体检测,检测时间较长,用户体验也不佳

而3D结构光人脸识别技术不需要用户进行任何动作配合,只需要在摄像头前被捕捉到面部画面即可完成活体验证,并且能够有效防守纸张、面具、手机屏幕等各类道具的攻击。

其次就是分析时间从之前的1-2秒压缩到了毫秒级,用户体验得到质的飞升,这也是iPhone X人脸解锁为何如此受到关注的原因。

最后,“3D结构光人脸识别技术”对于微光环境也能有很好的输出结果,不受环境光线强弱的影响,极大的扩展了人脸识别技术的应用场景。

基于这三个优势,3D结构光人脸识别技术能够广泛的应用在物联网、移动互联网、银行、安防、交通等各个需要人脸识别场景,更好的提升攻击预防效果,全面提升人脸识别准确度,结合云从最新的算法,能够在一千万分之一误识率下达到99%以上的准确率。

云从科技此次发布该项技术,标志着中国终于可以突破结构光人脸识别技术的壁垒,今后国产技术将全面应用于手机,电脑,机具,设备,家电等各行各业,打破先进技术垄断。

云从科技相关负责人表示,现在实现人脸 3D 建模的方式主要有三种,TOF (Time of Flight)、双目成像(双摄3D 建模)和结构光,第二代 Kinect 采用的就是 TOF 方案。有趣的是,第一代 Kinect 使用的其实是 PrimeSense 公司的结构光方案,这个公司被苹果收购以后做了Face ID。

十年磨一剑 深厚技术实力

云从科技创始人周曦博士毕业于中国科学技术大学,随后到美国伊利利诺伊大学(UIUC)攻读博士学位,师从被誉为“计算机视觉之父”的Thomas Huang(黄煦涛)教授,在 2007-2016 年期间,带领团队七次斩获世界模式识别大赛冠军,论文被引用上千次

受中国科学院重庆研究院邀请,周曦回国入选“百人计划”,并联合UIUC与新加坡国立大学在中国科学院成立了全球领先的计算机视觉研发中心

彼时,周曦身为中国科学院与上海交大博导,参与中国科学院“战略性先导科技A类专项”,正值春风得意,却毅然而然选择了响应国家“大众创业万众创新”号召,舍弃体制内身份投身创业。

从海外归国,到中科院重庆研究院,再从中科院辞职创立云从科技,周曦为自己的人生做了2次选择。但看着自己的研究能在国内落地,周曦说这是自己创业以来最有成就感的事情。

据悉,云从科技全新“3D结构光人脸识别系统”基于“飞龙II”深度学习结构光算法与3D结构光深度摄像头,能够利用结构光设备同时获取场景的彩色、红外、深度图片,并对场景中的人脸进行检测分析,形成3D人脸图像的技术

结构光听起来很高大上,但实际上也很好理解,工作时相关器件会投影具备一定结构的光,比如亮灭相间的条纹光线,如果打到平面上,那么反射回来会是原样粗细的条纹;





本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
目录
相关文章
|
5月前
|
机器学习/深度学习 人工智能 监控
人工智能之人脸识别技术应用场景
人脸识别技术是一种通过计算机技术和模式识别算法来识别和验证人脸的技术。它可以用于识别人脸的身份、检测人脸的表情、年龄、性别等特征,以及进行人脸比对和活体检测等应用。
387 1
|
7月前
|
机器学习/深度学习 人工智能 算法
工智能 - 人脸识别:发展历史、技术全解与实战
工智能 - 人脸识别:发展历史、技术全解与实战
165 1
|
6月前
|
机器学习/深度学习 算法 PyTorch
深度学习在人脸识别技术中的最新进展
深度学习在人脸识别技术中的最新进展
|
6月前
|
机器学习/深度学习 人工智能 监控
人脸识别技术发展历史、技术全解和实战应用
人脸识别技术发展历史、技术全解和实战应用
243 1
|
6月前
|
人工智能 计算机视觉 Python
人工智能视觉:基于OpenCV的人脸识别技术的深度解析
人工智能视觉:基于OpenCV的人脸识别技术的深度解析
|
7月前
|
机器学习/深度学习 算法 安全
提高人脸识别识别率技术
智能工厂趋势中,人脸识别技术在提升生产效率和安全管理方面展现应用价值。技术挑战包括环境光线控制、背景干扰、数据多样性和算法优化。解决方案涉及模型选择、实时性与准确性平衡,以及使用标签平滑技术减轻模型过拟合,提高泛化能力。通过训练优化的CNN模型,结合数据增强和标签平滑,实现更精准的人脸识别系统。
|
7月前
|
人工智能 算法 计算机视觉
人工智能视觉:基于OpenCV的人脸识别技术的深度解析
人工智能视觉:基于OpenCV的人脸识别技术的深度解析
|
7月前
|
机器学习/深度学习 人工智能 算法
人工智能 - 人脸识别:发展历史、技术全解与实战
人工智能 - 人脸识别:发展历史、技术全解与实战
|
7月前
|
机器学习/深度学习 监控 安全
未来智能城市中的人脸识别技术发展趋势
随着智能城市建设的不断推进,人脸识别技术作为其中的重要一环,正迎来前所未有的发展机遇与挑战。本文从技术革新、隐私保护、应用场景等多个角度探讨了未来智能城市中人脸识别技术的发展趋势,旨在为相关领域的研究和应用提供参考和启示。
250 1
|
7月前
|
机器学习/深度学习 监控 算法
利用深度学习技术实现人脸识别系统
人脸识别技术在当今社会得到了广泛应用,其中深度学习算法的发展为人脸识别系统的性能提升提供了强大支持。本文将介绍如何利用深度学习技术构建一个高效的人脸识别系统,包括数据准备、模型选择、训练过程和系统部署等方面的内容。

热门文章

最新文章