亚马逊测试刷手支付,用时仅为0.3秒,手脉识别会是新未来吗?

国际新闻 阅读(712)

<> > >

上周末,大多数网友刚刚体验到了变身赵薇和小李子的喜悦,他们被告知要改头换面的应用程序“zao”。一时间,卸货和投诉屡屡发生,“早”倒了。

虽然“zao”很快改变了用户协议,但它表明用户的面部生物特征信息不会被收集,也不会威胁支付安全。但这并没有打消用户和相关部门的疑虑。网友们纷纷表现出“谁能被伤者的心所爱”,对人脸识别的排斥也愈演愈烈。

那么,没有人脸识别和支付,我们还能用什么呢?不怕做,恐怕亚马逊的最新行动会给你带来新的灵感。

没有感觉,快速,高精度,刷面朝外?

9月4日,据《纽约邮报》报道,亚马逊工程师正在悄悄地测试一种能够识别人的扫描仪,并将其用作店内购物结账的新方式。据了解,这项技术不再需要用户触摸扫描仪的表面,它可以利用计算机视觉和深度几何来处理和识别他们扫描的每只手的形状、大小甚至更多的生物特征,然后用亚马逊P记录到信用卡或借记卡上。犯罪分子。

虽然亚马逊没有透露这项技术的具体内容,但它结合现有的技术发展路径推断,这项技术是以手的物理特性为主要识别内容,或是与内部纹理模式相匹配的纹理模式。手的N。静脉认证作为一种原理,能够感知手部的血流和血压,并在识别过程中进行活体检测,明显优于人脸识别。

由于MPG的采样样本来自人体内部,因此匹配过程中的外部干扰非常小。经过医学证明和数理统计,FRR(拒绝率)小于0.01%,FAR(误率)小于0.0001%,FTE(登录失败)为0%。由于手部静脉的个体分布与个体完全不同,生物信息独特且稳定,欺诈的难度也较高。

目前,亚马逊纽约办事处的员工充当“白老鼠”,并正在积极尝试这种新的支付方式。据知情人士透露,该系统的准确性目前是百万分之一,亚马逊工程师正在尽一切努力将其准确性提高到十亿分之一百万分之一。

在应用方面,亚马逊希望明年初将这项技术引入少数通用汽车超市,然后将这种超快速结账技术扩展到美国所有地区。然而,虽然这项技术可以解决亚马逊排队便利店的困境,但一些专家的态度也非常明确:目前还不清楚消费者是否会对Whole Foods超市的手工扫描感兴趣。

在所有国家中,美国拒绝面部识别是最明显的。今年5月,旧金山成为世界上第一个禁止人脸识别技术的城市; 7月,马萨诸塞州萨默维尔市议会投票,当地警方和市政当局禁止在公共场所使用人脸识别技术。

美国人普遍认为,面部识别技术存在风险,相关的好处被夸大了。专门研究技术伦理的美国独立研究员Stephanie Hare表示,消费者应该避免轻易泄露他们的生物识别数据。如果公司遭到黑客攻击,消费者可能需要六年或更长时间来消除数据被盗。威胁。

亚马逊是第一个做出改变的人。在美国,这项技术可能比面部识别快得多。首先,该技术的结账速度缩短为0.3秒,优于银行卡交易的3~4秒,这将大大加快结账速度。其次,大大降低了系统识别错误率,避免了人脸识别软件。可能导致种族歧视的争议;第三,手持识别的接受程度高于人脸识别,零售商的选择可能会相应增加。

手静脉识别的优点是显而易见的,但仍难以推广。

随着越来越多的电子设备进入生活并且场景不断扩大,对个人安全和便捷身份认证手段的需求变得越来越迫切。根据以前的身份证号码,密码等手段,人们的安全得不到保障,甚至出现了一些新的不便。为了实现更高的安全性,该数据用于身份认证,结合身份认证的各种生理和行为特征,提高认证系统的准确性和可靠性,已成为身份认证领域的必然趋势。

然而,到目前为止,还没有完善任何单一的生物识别功能,并且每个生物识别都具有特定的应用范围。例如,某些人的指纹无法提取功能。当人们使用人脸识别时,错误率高达30%。患有白内障的人会遇到虹膜识别等障碍。

与多种生物识别技术相比,最长的开发时间和最成熟的技术是指纹识别,目前的应用范围也是最广泛的。然而,指纹识别是物理接触,它是侵入性的并且相对不卫生,并且指纹识别具有更多干扰,并且难以提取具有不同手指状态的图像。

从目前来看,人脸识别是应用最广泛的应用,是计算机视觉领域最热门的技术之一。它已广泛应用于垂直领域,如新零售,安全和金融。然而,人脸识别的稳定性不高,最容易被欺骗,并且可能影响系统在不同光线和视角下的准确性。再加上目前的隐私侵入,人脸识别在其他生活场景中变得更加困难。

相比之下,步态识别是唯一能够实现远距离感知和识别的生物识别技术。世界上很少有公司和机构对这项技术进行研究。国内星系液滴是步态识别技术。真正应用该应用的创业公司。

与人脸识别相比,步态识别可以实现远距离,交叉视图,无需合作即可实现识别。在人脸识别不起作用的情况下,步态识别可以捕捉人类行为的“独特属性”,并将其与人脸识别结合使用以发挥更大的作用。目前,步态识别的最佳着陆场景是安全和刑事侦查。银河水滴创始人黄永珍表示,未来,银河系水滴的步态识别技术将渗透到医疗领域,石油工业,轨道交通等更多的细分场景中。

作为当前新兴的生物识别技术,MPG也面临着陆应用的实际问题。在许多情况下,现有的识别技术已经满足了需求,新识别技术的普及必须解决当前的痛点问题。

目前,一些国内公司,如申兰科技和麦纶科技,已经扩大了对手持式识别技术的研究和开发,并试图对其进行推广。然而,Yiou Technology发现当前MPG的主要应用场景仍集中在智能校园,门禁系统和自动售货机等常见场景中。该技术尚未达到“真实”水平。

无穷无尽的新技术无疑是引人注目的,但该技术真正有能力生存,着陆的可能性和促销的必要性。广大科技公司不应盲目追求如此“聪明”,“璀璨之眼”这样华而不实的标签,真正让“AI +”发挥其作用是当务之急。