網上關于廣東客運巴士檢票刷臉車載刷卡機的刷卡知識比較多，也有關于廣東客運巴士檢票刷臉車載刷卡機的問題，今天第一pos網(yadikedp.com)為大家整理刷卡常見知識，未來的我們終成一代卡神。

本文目錄一覽：

1、廣東客運巴士檢票刷臉車載刷卡機

廣東客運巴士檢票刷臉車載刷卡機

今天我和全國人民一起，乘坐高鐵返鄉。

不知道你有沒有感到不方便，每次到了上車口，每個人必須要掏出車票，或者身份證，去刷卡機上滴地一下，這樣才能進場。

為什么上車不能象進站那樣用人臉識別呢？

或者更快捷一點，象支付寶一樣，直接刷臉通過，既省時間，也避免了掏錢包的動作，避免了許多危險。

實際上，這里面#大有學問#，人臉識別有很多種不同的類型，使用場景也不一樣：

進站口掏出身份證刷一下臉的，那叫做1比1識別；小店消費支付寶刷臉的，叫做1：n( n<1000）識別；象我們希望的那種場景，火車進站只要刷臉就上車那種，也叫做1:n識別（n>10000)；

高鐵進站

為什么會有這么多種算法呢？

它們的差別在哪里？

什么時候我們才可以只憑一張臉就坐高鐵，坐地鐵？

用貝葉斯統計來分析人臉識別場景

為了解決這個識別準不準的原則，我給大家講一下貝葉斯統計的條件概率。

1：1識別是用你的身份證存儲圖片和現場照片進行比對；1：N是用現場拍的照片向庫里面搜索進行比對；

人臉識別準確率都差不多，商用的基本上在98%以上。那為什么在火車進站時不能用1:N進行比較呢？

這是因為你比對的樣本數量不一樣，1：1比對，你的樣本數量只有一個，當用你的照片和這一個結果進行比較時，比較成功的概率就是98%。

P(真）=1-P(假）

其中P(真）是識別準確率，P(假）是識別錯誤率。

此時樣本只有一個，那么P(真）的結果就是98%；

但是一旦樣本數量多的話，有1萬個，那么P(真）的概率不僅包括本人是真，檢查真的情況，也會包括其它人員通過人臉識別，檢查為真的情況。

P(真）=本人且檢驗結果為真/(本人且檢驗結果為真+非本人且檢驗結果為真）

樣本為1人和樣本為1萬人的實際準確率

所以大家可以看到，如果是1：1的檢驗，由于樣本很少，除非找到孿生姐妹來用你的身份證，剛好比較通過，這個屬于惡意行為，暫不討論。

按照統計學來說，1：1的終驗結果就是98%，這個結果應該是可以接受的，當然如果測不準你可以找車站工作人員處理。

但是當進站的人超過1萬個時，假設機器的誤差在98%左右，那么準確率應該是：

0.98/(0.98+200）=0.49%

結果竟然是0.49%的準確率！

真是可怕！

這個結論告訴我們，哪怕你的識別準確率達到了98%以上，但是對于火車站這種萬人級別的場景，由于人的相似性，最后的準確率只有0.49%，很多并不是此人的乘客可能把你的票給扣了。

雖然目前的科學技術還是在不斷的進步，可能人臉識別的準確率達到了99.99%，不過我想就算這樣，1萬個人的準確率還是只有50%，因為可能找到一個和你長得差不多的，他也檢測通過。

人臉識別技術

那我還沒進站我的票被別人用了，你說氣不氣？

如果應用在地鐵這種百萬人級別的場景中，根本沒有可行性，一不小心，你的支付寶一天到晚就會滴個不停。

所以你暫時還看不到地鐵會接受人臉識別。

那么為什么支付寶敢于用人臉識別這個場景來做商店支付

我想有三個原因：

第一他的準確率很可能達到了99.99%以上。第二應用在一些商店的場景中，實際上注冊購物的人數并不會超過1千人，數量可控，這樣如果按99.99%的概率，1000人來計算的話，實際準確率應該是0.9999/(0.9999+0.1)= 90%，還在可以接受的范圍。當然阿里也有說達到了百萬分之一，如果真的有百萬分之一的話，那就是99.9999%那么在千人商店中，準確率會大于99.9%，基本上可以接受。第三是大家在刷臉時大部分都會看一下是不是本人，如果不是本人都會退錢，惡意的也少見，因為可以溯源，你用別個的支付寶買單，就象銀行卡給你吐錯鈔票一樣。

支付寶也會結合一些大數據的判斷來確認此人的消費是否有問題，如果有人投訴的話客服會及時處理。

所以它一定是借助了人臉識別之外的一些工具和算法，以及這個人的購物習慣來做這個工作的，以確保達到百萬分之一的錯誤率。

但不管怎么說，我還是不敢在門店注冊人臉購物，萬一自已冷不丁發現支付寶被閃扣了多少多少錢，那該多心痛啊。

刷臉支付

那人臉門禁是不是安全？

現在大量的樓宇，智慧工廠都采用了人臉識別的方式，實現無感進入，那這樣是不是安全呢。

總得來說還可以，因為大部分的樓宇場景人數都在萬人之內，此為人臉門禁是熟人出入，如果誰發現打錯了卡隨時會報警，對算法進行調整和修正。

現在釘釘發布的人臉門禁精度在99.99%左右，基本上能滿足大部分門禁考勤的需求，而且作為門禁考勤機，大部分都有訓練系統。

人臉門禁機

每天你進出門禁時的照片，會在數據模型中進一步訓練，加深系統的印象，促使門禁的精度進一步提升，大大超過最初安裝的精度。

機器學習技術

而且，很少有人以身試法，去試下能不能進別家樓宇的門禁，這就造成出錯的可能性非常低。

未來人臉識別的發展

人臉的使用場景很多，但目前商用的主要還是1比1人臉識別，可以代替很多上門的認證，辦證服務工作，因為它的可靠性高。

但是隨著人臉庫的增加，識別精度和準確度就會大幅度下降，就算是號稱百萬分之一的精度，如果到了城市的億級人像庫里，由于大量負樣本的存在，實際準確率還是會降為1%。

但是不是1比n算法，大于10萬，100萬的算法就沒有用了呢？

這也不是，公安人員抓罪犯，或者縮小嫌疑人員排查范圍就用到1比100萬，甚至1比1億的人臉庫。

一方面這些大型業務的人臉庫都反復訓練，精度達到了小數點之后n個9，減輕工作壓力。另一方面精度不夠也不怕，對于重點人員或者重點事件的篩選，只要找到相應的嫌疑人員，可以進行深度的情報分析和挖掘。

結合大數據進行情報分析，分析該人員其它活動和行為軌跡，就能夠在縮小了范圍的圈子中，如200人，很快地找到相關的嫌疑人員，再進行更進一步的分析。

完全刷臉的時代即將帶來，技術給我們方便，也會帶來各種各樣的安全隱患。

希望大家今后在遇到需要人臉識別的場景也非常謹慎，避免不當泄露自已的信息，以造成相應的財產損失。

人臉就是你的數字化簽名！

人臉簽名

以上就是關于廣東客運巴士檢票刷臉車載刷卡機的知識，后面我們會繼續為大家整理關于廣東客運巴士檢票刷臉車載刷卡機的知識，希望能夠幫助到大家！

轉載請帶上網址：http://yadikedp.com/shuakatwo/180463.html