欢迎来到氩媒体
客服热线:400-032-0992

大数据时代人脸识别在商业银行中应用

核心摘要:大数据时代人脸识别在商业银行中应用
在当前利率市场化、互联网金融蓬勃发展、经济新常态三大因素形成共振的历史转折点上,我国商业银行经营模式面临着全新的变革。如何在精细化经营管理的基础上为客户提供更优质、更安全的服务体验,成为各商业银行竞争的焦点。近年来,云计算、物联网和人工智能技术变革式发展,相关应用百花齐放,对“大数据”资源的整合利用与智能化发展成为了商业银行提高“内力”的修炼法门。人脸信息有着不可复制、不可盗取、简便直观等优点,是大数据时代各商业银行应储备和发掘价值的重要战略资源。而随着技术变革和应用的普及,建设大规模、分布式人脸数据库及识别系统的成本不断降低,识别的精度不断提高。可以预见,人脸识别技术在商业银行领域的潜在价值将被不断发掘提升,在保障服务安全性、节约客户时间、提升客户体验、整合与挖掘数据资源等方面具备广泛的应用前景。

   人脸识别技术概述

   人脸识别技术是以身份检索或校验为目标,通过从给定的静态或动态图像中提取人脸信息等手段,与数据库中已知身份人脸进行匹配的过程。由于受到光照、表情、遮挡、朝向等干扰因素的影响,与其他基于身份证、虹膜、掌纹、指纹等技术手段相比,人脸识别技术的准确率相对较低,但其采集方式最为友好:无须当事人配合,甚至在其意识不到的情况下,就完成了对人脸信息的采集与识别。因此,人脸识别技术在过去的四十多年中一直是人工智能领域的热点研究课题,至今已逐渐走向成熟,已经应用于反恐、安防、门禁等领域,近年来开始向教育、金融等领域推广。

   根据应用场景的不同,人脸识别可分为针对二维图像的人脸识别、针对监控视频的人脸识别、针对近红外、热红外成像或素描等的多模态人脸识别和针对深度信息的三维人脸识别等。对于上述各种数据输入类型,均有来自学术界、业界的研究人员提出了基于不同假设、不同模型、不同学科背景的人脸识别处理方法。经归纳,这些方法有类似的处理步骤,主要包括以下几类:一是人脸检测。解决“有几张脸、脸在哪”的问题,即从图片或视频中检测并确定人脸的位置,并将其分离。二是人脸跟踪(针对视频人脸)。解决识别人脸“从哪来、到哪去”的问题,对检测到的每一张脸在视频各帧中进行跟踪,如出现遮挡应在遮挡结束后恢复跟踪,比如两张人脸交错而过应不出现混淆。三是人脸规范化。解决“鼻子、眼睛、嘴巴位置对得上”的问题,具体操作包括预处理、归一化、人脸标定等。四是人脸识别。即解决“这个人是谁”(检索)、“这个人是不是某客户”(校验)的问题。

   在建立人脸数据库及识别系统时,需要对人脸数据进行训练并建模,如果数据库动态更新还将涉及到在线学习等内容;识别人脸时,要把须识别的人脸与数据库中已有的人脸进行对比,判断二者相似程度,并按预先设定的标准进行检索或校验。人脸识别有多种方法,如:基于几何特征、基于子空间映射降维、基于模板、基于模型、基于神经网络等方法。

   当前,基于“深度学习”的方法在一些算法竞赛中取得了很高的识别准确率,并迅速在业界投入应用。深度学习并不特指某一个算法,而是SparseCoding、RBM、深信度网络等技术方法的总称。作为一类基于神经网络的方法,根据认知心理学,其主要思想是模拟人类大脑神经的信号传递。与传统神经网络模型2~3层训练层不同,深度学习的训练层数可达8~9层。因此在2006年该思想被提出之初,海量的训练数据和很高的计算复杂度超出了当时硬件的承受能力。但由于计算机硬件性能的提升,深度学习算法在准确率方面的优势迅速凸显。目前,谷歌、微软、百度等公司都成立了专门的部门对深度学习技术进行研究开发,市场上也涌现出一批基于深度学习的人脸识别团队。目前,基于深度学习的方法已经成为人脸识别技术领域的重要发展趋势和方向。

   此外,一些人脸分析技术也随着人脸识别技术的发展得到了普及和优化,包括对表情、年龄、性别等属性的判别,使基于这些属性信息的数据挖掘聚类、分类等大数据分析应用成为可能。人脸识别技术在实际应用中,还可以考虑与其他技术或辅助手段相结合,如结合深度信息实现活体检测,判断是真人还是照片等。

   人脸识别技术在商业银行的应用

   人脸识别技术当前主要应用于公共安全领域,如:识别追踪恐怖分子、布控犯罪率高发地区、机场安检、司机驾照验证、视频监控等。然而,人脸识别技术在商业银行同样存在着巨大的发展空间。未来,商业银行可以从安全防控和业务推动两方面着手,对人脸识别技术在银行落地进行全面部署和实施。

   安全防控类应用场景

   银行的安防难点之一是在动态场景下完成多个移动目标的实时监测。人脸识别技术在银行等人员密集的区域可以有效实现实时多目标在线检索和比对,实际应用效果良好。而且人脸信息易于采集、难以复制和盗取、自然直观,因此人脸识别技术可成为商业银行安全防控手段的优先选择。在安全防控领域,银行人脸识别技术的应用场景有以下几类。

   营业场所人员影像控制。在商业银行的营业场所,人脸识别可以通过“伪装识别”进一步确保银行经营的安全性。通过识别营业场所中面部遮挡(如戴墨镜、口罩)的人员,系统可实时与警方数据库中身份数据进行比对,一旦发现异常情况,可以迅速启动黑名单预警机制或采取联网报警措施。此外,还可以将采集到的嫌疑人面部照片提交公安机关,为后续预警和案件侦破提供有力证据。

   业务库区人员身份识别。银行经营过程中对安全性的极高要求使其身份验证技术较其他领域更为严格。例如,在金库、押钞车、ATM机加钞室等特殊环境下,许多传统的身份验证方法均难以满足要求,例如验证密码容易被盗、指纹识别可被复制、门禁卡容易遗失。带有活体检测功能的人脸识别技术可克服上述缺陷,进一步提升银行安防与保密安全性。

   ATM机智能识别报警。在以ATM机为代表的自助设备应用场景下,人脸识别技术同样具有广泛的应用空间。如:通过ATM机内置摄像头识别取款人身份,与银行卡所有人信息进行比对,防止盗刷现象;识别伪装或故意遮挡面部的人员身份,与警方数据库进行比对,保证取款人安全。当上述情况发生时,系统可触发预先设定的报警规则,最大程度地保护银行客户的资金和人身安全。此外,人脸识别系统还可监测客户遗留财物的情况,实时提醒,提升用户体验。
(责任编辑:陆志明)
下一篇:

【活动邀请】疫情与贸易摩擦下的石化供应链 | 2020全球化工供应链(中国)峰会

上一篇:

过平安年 农村安防未来监控应用新方向

  • 信息二维码

    手机看新闻

  • 分享到
免责声明
• 
本文仅代表作者个人观点,本站未对其内容进行核实,请读者仅做参考,如若文中涉及有违公德、触犯法律的内容,一经发现,立即删除,作者需自行承担相应责任。涉及到版权或其他问题,请及时联系我们 kefu@cnzbcg.com
 
0条 [查看全部]  相关评论