受疫情影响国内大多数城市的公共交通都装上了人脸识别系统，腾佑AI人工智能给大家分享百度人脸识别应用在城市公共交通上的技术要求，该文档主要针对城市公共交通行业相关场景，描述百度人脸识别产品的相关架构方案。若您对文档内容有任何疑问，可通过在线客服联系我们，下面来看具体内容：
一、业务背景
由于人脸识别技术的不断成熟，在城市的轨道交通行业也逐渐试点及落地一些刷脸项目。应用人脸识别，不仅可以提升用户使用体验，也可更加精细化管理，解决丢卡、串票、二次核验困难等情况发生。随着国家相关部门及省市等文件的出台，人脸识别在公共交通方面的应用，也将愈加积极与紧迫。
1，主要场景及需求：
地铁：刷脸支付过闸、工作人员通道核验、老人儿童核验
高铁：实名制进站验票、刷脸验票进站
有轨电车：刷脸验票
城市公交：刷脸验票、老年刷脸乘车、学生刷脸乘车
观光汽车：刷脸验票（多次搭乘）
长途汽车：刷脸验票
2，面临的场景困难
人脸底库大：公共交通乘客人员基数动辄几十万、几百万。甚至千万级，传统的1：N方案难以保障高精度识别，涉及到频繁的支付，业务操作更需要谨慎。
人员流量大：存在早晚高峰时段，通闸速度要求高，识别速度需要有效保障，不可显著低于刷卡形式。
稳定性要求高：设备和业务程序需要经过严格测试，如出现现场问题，将引发较大的人员通行堵塞。
3，场景特殊要求
网络条件：网络环境不一定十分稳定，如果出现断网、网络抖动情况，对核验效果会有很大影响。
数据隐私：必须要求离线化部署，人脸信息统一进行局域网部署，或者集中化专线管理。
识别精度：涉及支付核验，对于识别精度要求更高，容错率很低。
二、业务架构
下图为整体产品及技术架构的方案示意图，我们进行拆解讲述。
1，人脸采集与业务关联
相比于传统的卡证形式，人脸的录入需要进行一个必要的采集过程，需要确保采集人脸的质量同时，还要确保实名录入、账户与人脸有效关联等问题。我们为您提供了一系列产品方案，用于快速集成应用。
2，APP采集
通过轨道交通相关APP，进行「人脸二次关联操作」，将账号与人脸信息进行关联，作为后续消费的主要依据，同时也充当了账号+密码、或账号的作用。
优点：使用百度手机端采集SDK，可以有效提升采集的用户体验，及采集图片的质量，确保入库的图片符合后续识别的要求，如模糊度、遮挡、光照等。同时APP方式也可使用SDK本地化的有动作活体校验，配合云端活体检测接口，做到二次活体核验，避免作弊。
缺点：用户安装成本高；推广成本高；开发成本较高，需要强行推动用户在APP中进行刷脸验证。
相关产品
采集SDK概述
iOS SDK
安卓SDK
3，H5/PC Web采集
主要应用与H5方案、微信公众号或小程序、PC Web站点。
优点：用户接入成本低，覆盖渠道广，便于宣传推广。
缺点：安全性差，活体检测容易遭到攻击；仅具备浏览器权限，对于图片的质量把控不容易很严格，容易造成采集的人脸图片质量不佳，影响后续业务应用效果。
相关产品
人脸检测API
在线活体API
H5视频活体
4，固定设备采集
使用在柜台或者固定地点的设备，需要用户自助或者在被指导情况下，进行配合录入人脸。
优点：因为是单独定制的设备，具备更好的镜头效果、更流畅的业务应用运转效果；同时可以让用户充分进行配合，录入图片质量更好。
缺点：初期建设成本高；采集人数有限，用户很难全部到指定地点操作；维护和人员指导成本高。
相关产品
离线识别SDK
5，实名认证
用户在初次录入人脸时，需要确保是「真人」的同时（通过活体检测实现），也要确保是「本人」，故需要在用户首次录入人脸并关联账户时，做一次远程的实名认证。此认证需要链接公安居民身份库，进行权威官方数据核验，可以使用下方身份验证API，使用官方直连数据服务。
另外如使用固定设备采集方式，也可以要求用户使用身份证进行1：1身份对比，保留实际采集到的那张生活照照片。
相关产品
身份验证API，具备身份验证公安官方数据源资质。
离线识别SDK，如需要采集照片和身份证芯片照对比，请使用【证件照模式】
6，业务关联构建
录入人脸后，需要与系统中已有的账号ID进行关联，并先进行业务数据库构建，此时需要储存的原始数据包括：
人脸数据（保留原图，便于后续更新模型时刷库）
人脸-ID的关联映射表
ID-支付账户-支付信息的关联映射表
上述两表做关联
7，前端设备模块
在闸机、核验卡口等身份核验的关键位置，需要布设人脸核验设备，此设备一般采用定制化研发，形成一个整机，并与通行管理的设备联动应用。
以下简要介绍一下核验设备的几个核心部分构成及作用。
8，镜头
镜头外设一般为四种选择：
单目可见光：成本低，活体安全性差，如有人看守下首选。
双目近红外：有IR活体，RGB做识别，成本相对较低，是安全性和成本的平衡选择。
3D结构光：RGB+Depth活体，安全性高，技术稳定成熟，但成本较高。
ToF：RGB+Depth活体，安全性高，技术相对稳定成熟，但成本较高。
参考链接：
活体模式选型
镜头模组推荐
9，主板
主板的选型，一般要考虑一下几个因素：
功耗：涉及整机的散热及产品稳定性
兼容性：与SDK的兼容性，避免使用特别特殊的选型
芯片推荐：Rockchip、MTK、高通、NXP
10，设备整体
此处主要有一些注意事项：
整体散热
信号（如使用无线网络）
各项接线的稳定性
架设角度（一般推荐与垂直方向相差10°—15°）
11，离线SDK
需要在设备前端动态实时地获取人脸信息，SDK需要具备以下几个核心能力：
离线人脸检测、离线质量判断、离线活体检测、离线活体检测、离线识别比对（一般为后端统一对比，但也可在前端进行小库查询）
性能方面，如rk3288，整体全流程耗时在300ms左右。
产品链接：
离线识别SDK
12，局域网人脸私有化部署
因为使用超大库检索，我们推荐使用私有化部署包，应用大模型进行特征比对环节的处理。
私有化部署包具备以下几个特点：
大模型，精度更高。十万分之一误识率下，准确率99%以上
服务器部署形态，可直接构建后端整套人脸识别服务
完全离线形态，可满足数据隐私和安全性要求
预设基础业务逻辑接口，包含人脸对比、人脸搜索、人脸库管理、活体检测二次核验接口
相关产品
私有化部署包
13，业务逻辑模块
此模块主要包括以下几个常见能力：
刷脸与支付的业务关联：进出站扣费逻辑、去重逻辑、阈值设定等
人脸管理逻辑：更新、删除人脸；关闭人脸支付等
三、应用策略
1，人脸底库构建
分组方式：以身份证ID尾号，或者手机尾号作为组命名依据，将整体大人脸库分为若干个小组。
2，用户ID定义
用户ID可使用身份证ID、手机号码，或者系统单独定义的ID
3，模型替换与刷库
特征抽取模型的更换，涉及到要将所有原图重新刷一遍特征值（不同模型的特征值不能通用），所以为了后续的长期维护，请务必要保留用户采集注册的人脸原图。
4，底库图片例行更新
如果用户在识别过程中，人脸得分非常高（95分以上），且质量较好，可使用识别过程中的图片，更新用户的底库原图。通过对底库的持续动态更新，不断修正识别的效果。
5，注意事项
注册图片一定要质量较好，详细请参考：如何保证图片采集质量。不要使用身份证的芯片照注册，如需要通过人证对比来采集图片，请使用实际采集的生活照
6，超大库人脸库检索
最佳库大小：单个分组库大小，最好不要超过30w，如果分组可足够精细，推荐最佳不要超过5w。
7，预检索
可基于以下几点进行数据库维度的预检索，查询到固定的组，将实际检索的人脸库锁定到这个组上。这个数据库预检索的方案，包括：基于手机蓝牙、WiFi探针、相关证件
8，活体检测选型
详细请参见：活体检测选型
9，人脸采集质量
详细请参见：
人脸采集基本介绍
如何保障注册图质量
产品详情页