产品推荐：

1、安全稳定的云服务器租用，2核/2G/5M仅37元，点击抢购>>>；

2、高防物理服务器20核/16G/50M/500G防御仅350元，点击抢购>>>

3、百度智能建站（五合一网站）仅880元/年，点击抢购>>> 模板建站（PC+手机站）仅480元/年，点击抢购>>>

4、阿里云服务器2核2G3M仅99元/年、2核4G5M仅199元/年，新老同享，点击抢购>>> 

5、腾讯云服务器2核2G4M仅99元/年、新老同享，点击抢购>>>   

点击这里申请百度智能云特邀VIP帐号，立即体验人脸识别>>>

百度人脸识别使用指南-城市公共交通应用场景方案

Hi，您好，欢迎使用百度人脸识别服务。

本文档主要针对 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。如果您对文档内容有任何疑问，可以通过以下几种方式联系我们：

• 在百度云控制台内 提交工单，咨询问题类型请选择 人工智能服务；
• 如有需要讨论的疑问，欢迎进入 AI社区 与其他开发者们一同交流。

1、业务背景

随着人脸识别逐渐广泛的应用，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。

1.1 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

1.2 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。

1.3 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。

2、业务架构

上图为整体产品及技术架构的方案示意图，下面进行拆解分述。

2.1 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。

2.1.1 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。

相关产品链接：

• 采集SDK概述
• iOS SDK
• 安卓 SDK

2.2.2 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。

相关产品链接：

• 人脸检测API
• 在线活体API
• 视频活体检测

2.2.3 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。

相关产品链接：

• 离线识别SDK

2.2.4 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。

相关产品链接：

• 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】

2.2.5 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

2.2 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。

以下简要介绍以下核验设备的几个核心部分构成及作用。

2.2.1 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

2.2.2 主板

主板的选型，一般要考虑以下几个因素：

• 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

2.2.3 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°）

2.2.4 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

2.3 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

产品链接：

• 私有化部署包

2.4 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

3、应用策略

3.1 人脸底库构建

3.1.1 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。

3.1.2 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

3.1.3 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。

3.1.4 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。

3.1.5 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

3.2 超大库人脸库检索

3.2.1 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。

3.2.2 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

3.3 活体检测选型

详细请参见：活体检测选型

3.4 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