有什么体面的反人脸识别的方法?

2018-03-21 11:59:31 +08:00
 JohnChu
听说有些地方的人脸识别即便是戴口罩和墨镜也能识别出来。
所以想要方法对抗识别。
但现在很多方法使用的是奇怪的面具或者迷彩化妆等。带上这些本身就显得很奇怪。
所以想问有没有别的一些方法?
谢谢
15607 次点击
所在节点    问与答
88 条回复
ZRS
2018-03-21 20:37:41 +08:00
自带高亮红外光源吧....
现在的行人识别可以根据很多种信息,包括人脸、衣着、体态步态等,如果不考虑人为使用对抗样本进行干扰的话,就只能从图像信息采集入手了...比如自带高亮红外光源闪瞎摄像头
lihongming
2018-03-21 20:40:07 +08:00
@orangeade 这故事有个大 BUG ——就算警方有精确识别的能力,在 14 亿条记录中查询也是个很耗时的事情,几乎不太可能在大街上现场完成。
M3ng
2018-03-21 20:44:06 +08:00
@gen900 此地无银三百两
johnnie502
2018-03-21 22:59:47 +08:00
@lihongming 优化的方法很多,比如优先搜索在现在地址出现概率大的人,比如本市,可能就只有几千万条,这个故事的楼主是在旁边上班的,可能就会更加缩小,比如几十万条。就算几千万条的话,一个 hash 搜下来还不是几秒钟的事情
mcone
2018-03-21 23:09:59 +08:00
@JohnChu 如果你只是想对公共区域摄像头下手的话 其实你操心多了 凭我接触到的很熟监控数据来看 绝大多数摄像头(特别是几年前装的)分辨率完全不足以进行人脸识别 画质太一般了

但是 一些重点场景(闸机 重要过道等)近几年新装的摄像头 你躲不掉的 就是专门拍脸用的 真的想躲的话 请参考机场的各大明星是怎么躲狗仔的吧 一套行头够你喝一壶的

另外你也提到了步态什么的 没错 我也在做这个 现在行人监控是重点 国家级刚需 跟踪+识别一条龙 只是目前技术在实际中还达不到而已 若干年后如果真的做成了 你这么担心 那就只能移民非洲了……
swulling
2018-03-21 23:11:56 +08:00
说一个大家可能不愿意接受的事实

类似闯红灯监控这种室外大范围人脸识别的准确率和召回率不咋地( ゚ O ゚)

特别是原始训练样本只有身份证图片的前提下
Umix
2018-03-21 23:18:24 +08:00
@lihongming 局部敏感哈希就能解决海量数据匹配,这还只是基本入门的算法。14 亿人的数据不会是大问题。
acros
2018-03-21 23:20:49 +08:00
@mcone
原来步态识别还不能实际使用啊? 看漫画和美剧(上个月刚看了惩罚者)都有提到步态·····
Umix
2018-03-21 23:21:25 +08:00
去年也接触过相关内容,至少当时全面监控是没有实现,甚至让我惊讶实际应用还是如此落后。。。不过我相信随着 ai 芯片发展摄像头更新过几年应该能全面监控啦。。。
billlee
2018-03-21 23:35:40 +08:00
亚洲四大邪术了解一下?
bibizhang
2018-03-21 23:43:26 +08:00
超高速社会摇
idlerlestat
2018-03-21 23:46:55 +08:00
普通人基本没法反制。目前图像识别的难点在于识别“是什么”,而人脸识别并不存在这个问题,只需要解决“是谁”。
BlueFly
2018-03-21 23:47:25 +08:00
卸妆
johnnie502
2018-03-22 00:31:47 +08:00
方法是看到摄像头就做鬼脸,时间长了,系统里面的你就是个鬼脸
pkookp8
2018-03-22 00:40:19 +08:00
头上戴个探照灯,当你头上能发出 1500 流明以上的亮度时,大概摄像头就看不到你了
takato
2018-03-22 01:05:39 +08:00
先给自己的照片做匹配,然后训练一个 GAN,让其对其特征数据进行混淆处理。然后自己对照着结果描上去。。。233333。
理想情况下,一个特制的口罩就可以完成了。
vmebeh
2018-03-22 01:07:53 +08:00
这个 V 已经教过我们了
MCVector
2018-03-22 01:42:56 +08:00
@JohnChu 我 master 做的一篇 paper 就是它。 不过当时要用 depth camera.
1oNflow
2018-03-22 02:06:54 +08:00
zs
rashawn
2018-03-22 07:23:28 +08:00
摇头:别识别我

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://yangjunhui.monster/t/440020

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX