门禁刷卡机不灵敏

网上关于门禁刷卡机不灵敏的刷卡知识比较多，也有关于门禁刷卡机不灵敏的问题，今天第一pos网(www.pos-diy.com)为大家整理刷卡常见知识，未来的我们终成一代卡神。

本文目录一览：

1、门禁刷卡机不灵敏

门禁刷卡机不灵敏

今天我和全国人民一起，乘坐高铁返乡。

不知道你有没有感到不方便，每次到了上车口，每个人必须要掏出车票，或者身份证，去刷卡机上滴地一下，这样才能进场。

为什么上车不能象进站那样用人脸识别呢？

或者更快捷一点，象支付宝一样，直接刷脸通过，既省时间，也避免了掏钱包的动作，避免了许多危险。

实际上，这里面#大有学问#，人脸识别有很多种不同的类型，使用场景也不一样：

进站口掏出身份证刷一下脸的，那叫做1比1识别；小店消费支付宝刷脸的，叫做1：n( n<1000）识别；象我们希望的那种场景，火车进站只要刷脸就上车那种，也叫做1:n识别（n>10000)；

高铁进站

为什么会有这么多种算法呢？

它们的差别在哪里？

什么时候我们才可以只凭一张脸就坐高铁，坐地铁？

用贝叶斯统计来分析人脸识别场景

为了解决这个识别准不准的原则，我给大家讲一下贝叶斯统计的条件概率。

1：1识别是用你的身份证存储图片和现场照片进行比对；1：N是用现场拍的照片向库里面搜索进行比对；

人脸识别准确率都差不多，商用的基本上在98%以上。那为什么在火车进站时不能用1:N进行比较呢？

这是因为你比对的样本数量不一样，1：1比对，你的样本数量只有一个，当用你的照片和这一个结果进行比较时，比较成功的概率就是98%。

P(真）=1-P(假）

其中P(真）是识别准确率，P(假）是识别错误率。

此时样本只有一个，那么P(真）的结果就是98%；

但是一旦样本数量多的话，有1万个，那么P(真）的概率不仅包括本人是真，检查真的情况，也会包括其它人员通过人脸识别，检查为真的情况。

P(真）=本人且检验结果为真/(本人且检验结果为真+非本人且检验结果为真）

样本为1人和样本为1万人的实际准确率

所以大家可以看到，如果是1：1的检验，由于样本很少，除非找到孪生姐妹来用你的身份证，刚好比较通过，这个属于恶意行为，暂不讨论。

按照统计学来说，1：1的终验结果就是98%，这个结果应该是可以接受的，当然如果测不准你可以找车站工作人员处理。

但是当进站的人超过1万个时，假设机器的误差在98%左右，那么准确率应该是：

0.98/(0.98+200）=0.49%

结果竟然是0.49%的准确率！

真是可怕！

这个结论告诉我们，哪怕你的识别准确率达到了98%以上，但是对于火车站这种万人级别的场景，由于人的相似性，最后的准确率只有0.49%，很多并不是此人的乘客可能把你的票给扣了。

虽然目前的科学技术还是在不断的进步，可能人脸识别的准确率达到了99.99%，不过我想就算这样，1万个人的准确率还是只有50%，因为可能找到一个和你长得差不多的，他也检测通过。

人脸识别技术

那我还没进站我的票被别人用了，你说气不气？

如果应用在地铁这种百万人级别的场景中，根本没有可行性，一不小心，你的支付宝一天到晚就会滴个不停。

所以你暂时还看不到地铁会接受人脸识别。

那么为什么支付宝敢于用人脸识别这个场景来做商店支付

我想有三个原因：

第一他的准确率很可能达到了99.99%以上。第二应用在一些商店的场景中，实际上注册购物的人数并不会超过1千人，数量可控，这样如果按99.99%的概率，1000人来计算的话，实际准确率应该是0.9999/(0.9999+0.1)= 90%，还在可以接受的范围。当然阿里也有说达到了百万分之一，如果真的有百万分之一的话，那就是99.9999%那么在千人商店中，准确率会大于99.9%，基本上可以接受。第三是大家在刷脸时大部分都会看一下是不是本人，如果不是本人都会退钱，恶意的也少见，因为可以溯源，你用别个的支付宝买单，就象银行卡给你吐错钞票一样。

支付宝也会结合一些大数据的判断来确认此人的消费是否有问题，如果有人投诉的话客服会及时处理。

所以它一定是借助了人脸识别之外的一些工具和算法，以及这个人的购物习惯来做这个工作的，以确保达到百万分之一的错误率。

但不管怎么说，我还是不敢在门店注册人脸购物，万一自已冷不丁发现支付宝被闪扣了多少多少钱，那该多心痛啊。

刷脸支付

那人脸门禁是不是安全？

现在大量的楼宇，智慧工厂都采用了人脸识别的方式，实现无感进入，那这样是不是安全呢。

总得来说还可以，因为大部分的楼宇场景人数都在万人之内，此为人脸门禁是熟人出入，如果谁发现打错了卡随时会报警，对算法进行调整和修正。

现在钉钉发布的人脸门禁精度在99.99%左右，基本上能满足大部分门禁考勤的需求，而且作为门禁考勤机，大部分都有训练系统。

人脸门禁机

每天你进出门禁时的照片，会在数据模型中进一步训练，加深系统的印象，促使门禁的精度进一步提升，大大超过最初安装的精度。

机器学习技术

而且，很少有人以身试法，去试下能不能进别家楼宇的门禁，这就造成出错的可能性非常低。

未来人脸识别的发展

人脸的使用场景很多，但目前商用的主要还是1比1人脸识别，可以代替很多上门的认证，办证服务工作，因为它的可靠性高。

但是随着人脸库的增加，识别精度和准确度就会大幅度下降，就算是号称百万分之一的精度，如果到了城市的亿级人像库里，由于大量负样本的存在，实际准确率还是会降为1%。

但是不是1比n算法，大于10万，100万的算法就没有用了呢？

这也不是，公安人员抓罪犯，或者缩小嫌疑人员排查范围就用到1比100万，甚至1比1亿的人脸库。

一方面这些大型业务的人脸库都反复训练，精度达到了小数点之后n个9，减轻工作压力。另一方面精度不够也不怕，对于重点人员或者重点事件的筛选，只要找到相应的嫌疑人员，可以进行深度的情报分析和挖掘。

结合大数据进行情报分析，分析该人员其它活动和行为轨迹，就能够在缩小了范围的圈子中，如200人，很快地找到相关的嫌疑人员，再进行更进一步的分析。

完全刷脸的时代即将带来，技术给我们方便，也会带来各种各样的安全隐患。

希望大家今后在遇到需要人脸识别的场景也非常谨慎，避免不当泄露自已的信息，以造成相应的财产损失。

人脸就是你的数字化签名！

人脸签名

以上就是关于门禁刷卡机不灵敏的知识，后面我们会继续为大家整理关于门禁刷卡机不灵敏的知识，希望能够帮助到大家！

转载请带上网址：http://www.pos-diy.com/shuakatwo/210561.html