广州佩特电子科技有限公司

示例图片三
首页 > 新闻资讯 > 业界资讯

佩特科技人脸识别支付在售检票系统应用方案,可使用佩特双目人脸识别摄像头

2019-12-07 12:27:29 广州佩特电子科技有限公司 阅读

人脸识别支付是指通过人脸识别技术实现无感支付的过程。在轨道交通环境下,乘客通过人脸识别支付完成购票、过闸等操作,可实现乘车需求。今天佩特科技要分享的是人脸识别支付在售检票系统应用方案,佩特科技的双目人脸识别解决方案技术成熟,可应用于多种人脸识别设备上,还可以根据设备需求进行方案定制,同时推出了配套使用的双目摄像头模块,可应用在全志A83T、全志A64等嵌入式开发板上直接使用。


售检票系统是基于计算机、通信、网络、自动控制等技术,实现城市轨道交通售票、检票、计费、收费、统计、清算等管理全过程自动化的系统。按照《GB50157-2013地铁设计规范》要求,售检票系统宜由清分系统、线路中央计算机系统、车站计算机系统、车站终端设备、传输通道和车票构成。国内地铁售检票系统通常采用标准的五层架构体系,见下图。


1.png

售检票系统五层架构图 


考虑到城市轨道交通的实际应用场景,同时参考同行业实施经验,人脸识别支付技术在地铁AFC系统应用宜采用人脸辨认1∶N模式。技术解决方案如下:


1、人脸识别系统与售检票后台系统结合 


建立人脸识别云平台和各层级人脸特征库,并与售检票后台系统进行集成,具体如下: 


(1)搭建实名信用账户体系,实现人脸识别乘客的实名账户信息管理,包括账户新立、账户黑名单、会员积分、账户注销等。 


(2)搭建线网中心级、车站级的人脸特征库,实现人脸特征库信息的增、删、改、查及日常维护等。 


(3)搭建高速网络通道,实现与车站终端设备实时在线通信交互。 


(4)搭建与外部支付渠道接口,接收并处理车站终端设备上传的人脸识别交易文件,实现人脸识别交易的清分、对账、结算功能,并生成相应报表。


2、人脸识别系统与车站终端设备结合 


(1)在检票机、售票机内嵌人脸识别模块。通过外置摄像头设备采集和检测乘客人脸图像,与后台人脸特征库进行比对;车站终端设备根据反馈结果完成后续操作,并在乘客显示屏上显示乘客人脸图像、账户ID等信息。 


同时,车站终端设备还实现人脸识别交易数据处理、串口报文解析以及与人脸识别后台服务实时通信等。 


(2)新增智能客服终端,实现乘客会员申请、人脸图像采集、人脸照片更新、刷脸进出站交易记录查询、刷脸进出站异常交易处理等功能,作为地铁App的线下自助服务设备。


3、技术难点解决措施


乘客使用人脸识别支付乘坐地铁前,需要通过地铁App或智能客服终端完成人脸图像上传和实名注册,此阶段需对图像清晰度、图像亮度、面部表情、姿态等提出一定要求。 


此过程涉及技术难点及解决措施如下:


(1)信息安全性问题。人脸识别支付系统保留乘客的实名账户、人脸图像等涉及乘客隐私的关键信息,因此需要建立完善的安全防护机制和管控措施,保证乘客隐私安全。 


在全线网大规模推广人脸识别支付前,建议提高人脸识别系统的信息安全等级,符合金融级安全标准;同时,根据人脸识别行业相关安全法规,制定适合轨道交通行业的管理制度。 


(2)识别精度问题。在轨道交通车站现场环境下,人脸识别成功率难免会受到站内灯光照明、乘客姿态表情、网络通讯速度以及人脸面部遮挡等因素的影响。因此需要根据现场实际环境,测试、调整人脸识别模块的功能参数;增设移动网络信息点,确保人脸识别系统通讯顺畅;同时利用人工智能自学习能力,通过大量实验数据不断更新完善人脸识别算法,提高识别精度。 


在人脸识别系统上线初期,建议通过仅限特定人员(如工作人员、单线通勤乘客)使用的方式来逐步检验和校正算法,并加强现场乘客使用引导,让乘客养成正确的使用习惯。待识别效果达到预期后,再向全线网推广。 


(3)识别速率问题。随着轨道交通客流的不断增长,人脸特征库的数据信息也随之增长,人脸辨认1∶N模式的比对速度相应也会受到影响。尤其在乘客过闸阶段,识别速率无法满足现场乘客通行需求时,极易造成车站现场的客流拥堵。因此需要通过采取一定的技术措施,提高人脸图像的比对识别速度。


由于人脸辨认1∶N的识别速率与人脸特征库的信息量直接相关,建议通过缩库的方式提高现场识别速率。在《城市轨道交通AFC系统人脸识别技术应用研究》中有一种基于地铁App定位的方法,在入站口通过获取乘客手机位置信息权限,实现车站级人脸特征库的缩库操作。缩库及识别流程如下:


2.png

基于入站口缩库操作的识别流程


人脸识别云平台根据地铁App实时上传的乘客定位信息及移动轨迹等特征值,判断乘客是否已进入地铁车站入口,并通过以下措施实现缩库操作:


① 乘客进入地铁车站入口时,人脸识别云平台对车站入口摄像头采集的乘客人脸图像进行预处理,将与该乘客人脸特征相似的图像信息传送至该车站本地的人脸特征库。 


② 乘客过闸时,摄像头检测乘客人脸图像,实时上传后与车站级人脸特征库进行1:N比对,并反馈结果,实现乘客过闸和后台信用扣费;乘客完成过闸后,车站级人脸特征库再将该乘客人脸信息删除,同时上传过闸交易至人脸识别云平台。 


针对日常通勤等具备固定乘车路线的乘客,可引导该类乘客预先在地铁App内设置常用路线,人脸识别云平台根据位置信息可及时将乘客人脸信息下发至相关车站,进一步提升通行效率。


Powered by MetInfo 5.3.18 ©2008-2019 www.metinfo.cn