专访模组厂商:人脸识别中单摄像头和双摄像头该如何选型
随着智能硬件普及程度日渐提升,其产品种类也更趋于多样化,以适配更多的需求场景。以人脸识别的重要部件摄像头为例,各类产品不仅价格、款式不同,并且还有单目和双目区分。那么究竟该如何选择?
近期在2020高交会,笔者对专注做影像采集行业、具备较强专业能力的摄像头模组厂商金视康康总经理何世锟介绍进行了一场关于人脸识别摄像头如何选型的深度沟通。
关键点一:选单目还是双目?具体还需看活体检测需要
单目摄像头主要是RGB摄像头,配合单目算法可快速完成采集,将高质量图像输送给后端进行识别比对,适用于人脸布防、精准推广、客流统计、门禁管理等应用场景。此类摄像头配合适当的活体检测算法,即可做到单目活体检测。比如金视康就通过引入虹软视觉开放平台免费开放的ArcFace人脸识别算法,实现了静默式的活体识别,全程无需用户动作配合。此外借助ArcFace算法,还能快速实现人脸识别、年龄检测、性别检测、大面积遮挡下的人脸识别等全套功能。
双目摄像头则是在RGB摄像头的基础上,增加了一个IR红外镜头,兼具近红外光和可见光的视频采集功能。基于红外成像原理,屏幕类无法成像,故而其天生具备抵御屏幕成像的假脸攻击能力。
因此相对单目摄像头,双目摄像头在对抗假脸攻击的防御能力上,更胜一筹。比如金视康热卖的500万双目宽动态人脸识别摄像头就采用了虹软免费ArcFace算法的IR双目活体技术,基于红外成像原理及深度学习算法的高鲁棒性,其对于纸质照片、屏幕照片的防御力相当优秀。
但由于硬件上的差异,双目活体相比单目RGB活体来说成本相对提升。总的来说,单目人脸识别解决方案部署方便、成本低,而双目人脸识别方案在活体检测方面精准度更高,且对光线变化、背景环境复杂等因素适应性更强,可支持真正的无人值守。所以在选型过程中,应根据实际应用场景、想要达到的活体效果,以及最终成本进行具体考量,平衡各方需求,不能一概而论。
关键点二:摄像头成像核心组件及关键参数
摄像头的工作原理是将光信号转换成图像信号,因此强光、逆光、暗光等复杂的光环境会直接左右摄像头成像质量。而摄像头成像质量的好坏,也将直接影响到人脸识别和活体检测的使用效果与体验。故而开发者在进行产品选型时,还应该关注摄像头成像核心组件及关键参数,以保证前端采集的图像质量符合人脸识别要求。
在镜头、图像传感器、DSP图像处理器这三个人脸识别摄像头模组核心组件中,镜头主要承担捕捉物体、将拍摄图像聚焦于图像传感器上的任务,其主要参数有视场角、光圈、CRA、畸变、眩光等。人脸识别摄像头模组一般采用对焦速度快、成像质量稳定、测光准确的定焦镜头。
对于负责把光信号转换成数字信号输出的图像传感器,其主要参数包括传感器尺寸、有效像素、像素元尺寸等,推荐具有集成度高、功耗小、速度快、成本低等特点的CMOS传感器。最后是将数字图像信号优化处理后传到人脸识别设备的DSP图像处理器,优质的DSP可以提高原有芯片宽动态范围30%以上。
为了进一步方便开发者,金视康推出了融合动态场景、逆光场景、高光场景等多达6个场景的“多场景模式”,将多个场景模式全部兼容到一个摄像头中,通过摄像头自动判断场景中的光环境,然后调用相应模式,以此做到某一特定场景下人脸识别效果最佳。
据介绍,这也是金视康在虹软视觉开放平台产业链市场上线的人脸识别摄像头模组中最热门的一款产品。而该产业链市场则是由虹软视觉开放平台今年重磅推出的一个专注构建产业上下游生态的商业平台,目前已经上线了从算法到硬件,从整机产品到各类行业解决方案的一系列优质产品,可以为供给端与需求端实现精准对接,有效缩短人脸识别产品从需求到落地的时间。
关键点三:如何测试产品的基础功能与可靠性?
要保证产品在落地后能够流畅使用,测试是其中必不可少的一个环节。就摄像头模组来说,其基础性能测试包括正常拍摄测试环境中的解析力测试、花屏测试、线条测试、偏色测试和白板测试环境中的暗角测试、脏污测试、坏点测试。
其中,解析力是指摄像头模组所能达到的清晰度及图像的细节表达能力。比较直观的评价方法是,通过拍摄ISO chart测试,目视辩识图中的黑白线对,看人眼可以辨识黑白线对的极限线条数值。相同环境下,还需检查图像有无花屏、线条、偏色等异常。而在白板测试环境中,通常会检查暗角,以检测模组的亮度均匀性,检测镜头内有无脏污异常,检测芯片有无亮点、坏点异常。
在这所有环节中,测试不仅仅是提出Bug,更是对开发和产品设计改进的重要一步,因此测试工作往往带有极强的专业性和对产品效果的严谨。如果想要省去这种大量的选型、开发、测试周期,还是建议需求方直接到虹软视觉开放平台产业链市场进行直接采购。
金视康总经理何世锟总结:“这几年我们在人脸领域发展得还算不错,从2018年到2020年,年增长率都超过50%。通过跟虹软配合,我们也做了好多不同方案、不同成本的摄像头模组,主要就是应对不同客户的不同选择,方便他们简单、低成本地使用,同时也给更多想做人工智能领域的客户降低进入行业的门槛。”
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。