當前,各種高科技不斷應用于互聯網金融領域,無論是傳統金融,還是互聯網金融,都將面臨高科技帶來的技術革新的機遇,同時,也意味著一旦在這場攻守戰(zhàn)中失敗,則很可能被市場淘汰出局。

“人臉識別”和“大數據”是近幾年在互聯網金融中運用最廣泛的兩種方式之一。谷歌、蘋果、百度等國內外知名企業(yè),以及以微眾銀行、網商銀行、眾可貸為代表的互聯網金融企業(yè)都在加速布局“人臉識別”和“大數據”。

有數據表明,全國14億人口中有12個人和你長得幾乎一模一樣,數據應用已逐漸突破現今人類認知水平,同時平安城市聯網的數百萬臺監(jiān)控攝像機每天也產生著海量的數據信息,這些數據存在大量有待挖掘的應用價值。種種跡象表明,公安想要跨入大數據應用時代,人臉識別技術想要在公安行業(yè)成熟落地,一些傳統技術瓶頸逐步顯現,響應速度越來越慢,有些應用場景已經完全不能支撐。

公安大數據應用背景給人臉識別應用帶來了機遇,同時也給人臉識別技術提出了更高的要求。雖然人臉識別技術性能已有較大提高,但它仍是在模式識別和計算機視覺等領域最困難的問題之一。如何利用人臉識別技術將這些海量照片數據利用起來,提升整個公安信息化的管理水平,已經是擺在我們面前的一個重要問題。

1、對人臉識別的比對容量要求更大、精確度要求更高

目前公安的戶政管理、出入境、刑偵嫌疑犯的身份識別等各類應用,需要基于全國人臉數據進行識別,處理的數據庫容量上億或十億,處理的比對請求數量大、模式不統一,快速準確地從如此規(guī)模數據庫中快速識別身份是一件非常有挑戰(zhàn)的任務。

2、系統輸入從單純的靜態(tài)圖片擴展到動態(tài)視頻

近年來,全國各地公安機關大力開展視頻監(jiān)控系統建設,據不完全統計,全國每年需要存儲的數據量高達3.3EB,結合視頻監(jiān)控和人臉識別,實現犯罪嫌疑人的快速識別和實時布控,是提高視頻監(jiān)控效率的一條重要途徑。然而,由于人臉識別視頻監(jiān)控面臨光線、角度、姿態(tài)、遮擋等一系列因素的影響,導致人臉的類內差距增大、類間差距縮小,給結合視頻監(jiān)控的人臉識別帶來了巨大挑戰(zhàn)。

3、圖像來源更加廣泛、圖像質量差異較大

通過“金盾工程”建設,公安已經成功建設了八大資源庫,積累了海量的數據,為人臉識別技術在公共安全領域的廣泛應用奠定了基礎。然而,由于缺乏統一的建設標準,各類業(yè)務中人臉數據質量差異大,給人臉識別應用造成了難度。

在傳統偵查工作方式中,照片比對只能依靠人工方式進行,工作量巨大、速度慢、效率低、無法適應業(yè)務需要。人臉識別系統所具備的高速自動識別能力很大程度上可以從以往的“人海戰(zhàn)術”中解脫出來,大大提升整個國家、社會的安全防范水平,從而達到維護社會穩(wěn)定、保障國家安全的目的。

來源：中國安全防范產品行業(yè)協會