数据的多样性：保护3D面部身份验证的关键

大并不总是最好的

当科技公司正在开发基于生物识别技术的主要因素之一 - 尤其是使用面部识别的身份验证 - 这是我们现在在全球商业社区运营的事实。一个完全讲述文章在纽约时报不久前由Steve Lohr基本上谴责移动人脸识别的当前状态。记者对目前情况的关键外卖是，如果你是一个中年白人男性，它就很好。

鉴于世界是平的，并继续变得奉承（伟大的书由托马斯弗里德曼，顺便说一句，这不是一个可接受的情况。地球上的人面临着所有不同的形状，尺寸和颜色。加上，科技研究公司Gartner预测因此，到2021年，40％的智能手机将配备3D摄像机。添加到这一事实，即移动电话用户的数量是预测的达到47.7亿2017年并通过了5亿马克到2019年。由于人们越来越多地使用这种方法，人们越来越多地预计，人们越来越需要使用这种方法，因此不一致的净影响可能很大。

许多不同的数据到救援

自2006年以来在这个空间工作，我不得不说标准2D和新的不一致表现3D脸上身份验证通常是简单定义或策划数据库不良的结果。这是面对面认证努力实现主流验收的原因之一。

提供准确，一致和快速的3D面部识别需要上面提到的因素：利用当今的微小和准确的相机，并使用先进的AI算法来捕获，管理和合理化所生成的数据的洪流。为了透视，今天的最先进3D摄像机每次看一张面部时，每次扫描捕获30k-40k数据点 - 但这并非全部。

图像来源：WLFDB

许多公司声称由于他们有一个大型数据库，他们的技术将是准确的。坦率地说，这是不准确的。比大小更重要的是数据库的多样性对于特定的预期用例。数百万人没关系。如果捕获了适当的因素，数据库实际上可以与250人统计学意义有统计学意义。

为了提供可接受的3D精度水平，数据需要：

• 包括不同种族和不同的性别的人，没有眼镜;
• 代表人们不同的职位;
• 在长时间获得;
• 用相同类型的相机捕获用于各种最终用户设备的识别;和
• 代表预期用例环境 - 例如，人们只会坐在一个充足的办公室，或者他们可能会在明亮的阳光下享受海滩？

我的建议一直是专注于质量和数据的多样性而不是只是数据库的大小。在过去的12年中，我们的团队已经能够生成并使用数百万人的数据库。更重要的是，它包括来自相机和环境条件的世界各地的不同种族的用户的图像，并且在环境条件下，代表他们实际在现实世界中的技术的实际情况。

我鼓励有兴趣利用2D或3D面部识别和身份验证的功能，以确保其所提出的方法可以访问有意义和不同的数据集。它将确保一致的结果，又帮助在部署面部认证系统时帮助整体客户满意度。

所有IOT议程网络贡献者负责其帖子的内容和准确性。意见是作者，不一定能够传达物联盟议程的思想。