活体检测-用照片来做人脸识别可行吗?

随着科技的迅速发展,智能化也越来越发达,并慢慢进入到我们日常生活中来了。如考勤

早期是人工记录,签到,然后是打卡,刷卡,再到指纹。现在已经发展到更加先进的人脸识别考勤了。

卡可以代打,代刷,但是牵涉到指纹和人脸,行不行呢?

指纹考勤,是代替不了的,尤其是半导体指纹。之前非思丸的文章中有说过原理。

那么,用照片来做人脸识别的考勤可以吗?脸上长痘痘了,还可以正常考勤吗?

答案是,不可以,这里非思丸作为脸部识别考勤机的厂家,为您详细的说明:

  1. 人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术,记住是人脸,发型可以变,但是一定不能挡到眉毛以下的脸。 人脸识别的时候,要让摄像头照到你整张脸;
  2. 脸型记录,圆形的,方形的,瓜子形的,鹅卵形等。 必须是正面的,电脑对比的不是尺寸,而是比例;
  3. 人脸特征参数:如眼睛大小,鼻子大小,嘴巴大小,是否有倾斜,五官大小,之间距离比例是多少;
  4. 第一次录入数据的时候电脑会录入这些数据,作为以后考勤的比较依据,而且,每次考勤的时候,电脑会对数据做更精细记录,作为下次比较的依据;
  5. 考勤的要求不要100%一样,95%都算是高的了
  6. 您有没有留意到刷脸考勤机,至少都是2个摄像头,从不同角度来刷脸。如果用照片来代刷的话,肯定通不过。立体的和平面的,从不同角度拍照,比例肯定对不上的;
  7. 脸上长痘痘,正常是不影响刷脸考勤的,皮肤的粗糙,化妆等都不会影响到刷脸。但是如果痘痘大到脸型都变了,或是明显×××了,那刷脸就通不过;
  8. 长得很像的双胞胎,是可以代刷脸的。但是代刷指纹就不行。所以从某种程度上来说,刷指纹还是要安全一些的!

为了减小数据存储空间,刷脸和指纹都是取关键点做比较的,不是全部都记录,当然脸型复杂的数据会大一些。当然,这些数据的精密程度,对于一般考勤来说已经足够了!

原文地址:https://blog.51cto.com/14366991/2405394

时间: 2024-09-27 19:43:09

活体检测-用照片来做人脸识别可行吗?的相关文章

IOS 通过摄像头读取每一帧的图片,并且做识别做人脸识别(swift)

最近帮别人做一个项目,主要是使用摄像头做人脸识别 github地址:https://github.com/qugang/AVCaptureVideoTemplate 要使用IOS的摄像头,需要使用AVFoundation 库,库里面的东西我就不介绍. 启动摄像头需要使用AVCaptureSession 类. 然后得到摄像头传输的每一帧数据,需要使用AVCaptureVideoDataOutputSampleBufferDelegate 委托. 首先在viewDidLoad 里添加找摄像头设备的代

opencv_人脸检测、模型训练、人脸识别

人脸检测.模型训练.人脸识别 2018-08-15 今天给大家带来一套人脸识别一个小案例,主要是帮助小伙伴们解决如何入门OpenCV人脸识别的问题,现在的AI行业比较火热,AI技术的使用比较广泛.就拿现在的只能手机来说吧,现在很多智能手机都必须有人脸识别解锁.拍照自动美颜.拍照物体识别等等功能,这些都是AI技术的功劳.在此也不多说了,让我们来见证奇迹的发生. 1.首先我们先准备好跑代码的环境,这一点很重要,我在跑这个代码的时候就是环境配置搞了我半天的实际,很头疼.我使用的是python3.6.5

Android 用虹软SDK做人脸识别

人脸识别第三方sdk比较多,但是大多都是收费的或者限制次数什么的,虹软的效果还不错,全免费也不需要联网 V1.2版本使用和快速集成:https://www.jianshu.com/p/8dee89ec4a24(Android集成虹软人脸.人证对比,活体检测) 虹软官网https://ai.arcsoft.com.cn/ 官网下载sdk,还要引入一个依赖,用来转换把bitmap以一定的格式转为byte[]的 api 'com.guo.android_extend:android-extend:1.

[CV]人脸识别检测数据集

[CV]人脸识别检测数据集 做了一段时间的人脸识别和检测,在这里列一下用过的数据集.基本上,大家近期也都是在这几个数据集上检测自己的算法.网上这方面的总结虽然不少,但是一则有些是多年前的数据,或是规模太小或是链接已经失效,再则是数据集的测试协议定义不明,不尽适合用来和其它方法做比较. 1. Labeled Faces in the Wild:做人脸识别,准确的说是人脸验证(Face Verification),UMass的LFW估计是最近被用的最多的了,LFW采用的测试协议也已经被几个新的数据集

第三十七节、人脸检测MTCNN和人脸识别Facenet

在说到人脸检测我们首先会想到利用Harr特征提取和Adaboost分类器进行人脸检测(有兴趣的可以去一看这篇博客第九节.人脸检测之Haar分类器),其检测效果也是不错的,但是目前人脸检测的应用场景逐渐从室内演变到室外,从单一限定场景发展到广场.车站.地铁口等场景,人脸检测面临的要求越来越高,比如:人脸尺度多变.数量冗大.姿势多样包括俯拍人脸.戴帽子口罩等的遮挡.表情夸张.化妆伪装.光照条件恶劣.分辨率低甚至连肉眼都较难区分等.在这样复杂的环境下基于Haar特征的人脸检测表现的不尽人意.随着深度学

基于人脸识别的登陆认证方案及思路

本文主要讨论基于人脸识别的登陆认证过程中的关键技术点,讨论如何实现这些关键技术点并解决困难问题. 1.关键技术点及思路 (1)登陆认证在服务器端实现还是在客户端实现? 换句话说,人脸识别的模型应该运行在服务器端还是客户端.如果人脸识别模型运行在服务器端,那么客户端必须在联网环境下才能通过服务端的认证并使用.某些场景下,例如音乐客户端场景(用户在无需联网的情况下也需要进入APP听音乐),人脸识别模型运行在服务器就无法满足需求.如果人脸识别模型运行在客户端,那么需要模型足够简单,客户端能够提供运行模

人脸识别(face recognition)

一.前述 1. 发展 以往的人脸识别主要是包括人脸图像采集.人脸识别预处理.身份确认.身份查找等技术和系统.现在人脸识别已经慢慢延伸到了ADAS中的驾驶员检测.行人跟踪.甚至到了动态物体的跟踪.由此可以看出,人脸识别系统已经由简单的图像处理发展到了视频实时处理.而且算法已经由以前的Adaboots.PCA等传统的统计学方法转变为CNN.RCNN等深度学习及其变形的方法.现在也有相当一部分人开始研究3维人脸识别识别,这种项目目前也受到了学术界.工业界和国家的支持. 之后的内容主要参考了下面的链接,

人脸识别技术及应用,二次开发了解一下

得益于移动设备和数码摄像的高速发展,人脸识别技术突飞猛进,已经成为多项产品的主要应用支撑或重要配置.本文对目前人脸识别的三种技术及其发展方向和应用进行详尽的介绍,希望能对大家的产品开发工作提供参考. 人脸识别作为一项互联网领域热门的技术,在互联网产品很多领域都有着广泛的应用. 很多产品经理在工作中经常会遇到老板或需求部门来一句:“我们来搞个人脸识别吧.”但人脸识别发展至今已经成了一个广泛概念,通过几项不同的技术提供不同的产品应用服务.不同角色的人在不同环境里说出的人脸识别,其期待的产品和背后的技

「圣诞特辑」纯前端实现人脸识别自动佩戴圣诞帽

在线体验地址:hksite.cn/prjs/christmashat 源码地址:https://github.com/hk029/christmas-hat 写在开头 叮叮当,叮叮当,吊儿个郎当,一年一度的圣诞节到咯,我不由的回想起了前两年票圈被圣诞帽支配的恐惧.打开票圈全是各种@官方求帽子的: 票圈头像也瞬间被圣诞帽攻陷: 在那段时间,你没一顶圣诞帽还真不好意思发票圈 各种戴帽子的软件也如雨后春笋般浮现出来,不管是小程序还是美图软件无一例外的都增加了戴圣诞帽的功能.但是对于懒人的我来说,自己调