“实名制”造假危害大,人工智能显身手

时间:2019-09-08 08:00:01 来源:东方资讯网 当前位置:亚欣说三农 > 学习 > 手机阅读

关注我们获得更多内容

一、背   景 

电话“黑卡”指的是未进行实名登记,并被不法分子利用实施违法犯罪活动的移动电话卡(含无线上网卡)。对于“黑卡”,几乎所有人都曾见过活生生的例子,比如诈骗电话、骚扰电话等。若想堵住“黑卡”,最关键的一步就是保证电话用户实名制。目前人脸识别、人证比对技术已经广泛用于电话用户实名登记。虽然移动自有营业厅能够严格落实实名登记,但缺少证件、非本人到场、冒用他人身份信息等现象仍然通过一些其他营销渠道屡屡出现,这是电话“黑卡”的主要源头。

针对这些问题,除了以往的“人防”手段,现在有了全新的“技防”手段。AI黑科技为机器打造火眼金睛,能够有效甄别违规造假图像,对实名制业务进行“安检”,从而做到“有假必抓”、“有错必查”,筑牢实名制安全屏障。

二、AI“审核员”:火眼金睛功能强

浙江移动利用人工智能技术进行实名制业务图像审核,目前已经实现包含人证比对、人像防伪、人证规范性校验、签名规范性校验四个主要功能在内的整套实名制业务图像审核解决方案,能够实现对用户业务办理时留存的图像信息的真实性和合规性的校验。


三、人证比对

人证比对是,为了确认用户的身份信息的真实性,借助人脸比对技术,比较用户现场拍摄照和身份证芯片照是否为同一个人。

图1 人证比对功能示例


实现

难点

实践过程发现,人证比对在技术实现过程中主要有两个层面的难点。

1

数据层面

1、现场照质量:用户现场照是营业员利用摄像设备在业务办理现场采集的照片,营业员能否合规操作和营业厅环境很大程度上影响了现场照的质量。例如因拍摄时手部抖动导致的图像模糊和因拍摄位置不对导致的侧脸照,以及由于营业厅环境导致的光照过暗、曝光过度等现象,都会影响人脸比对的效果。

2、证件照质量:利用二代读卡器读取的证件芯片照往往分辨率较低,图像清晰度较差,因此对人脸特征提取和人脸比对造成了干扰。

2

算法层面

拍摄时间跨度大:证件照和现场照的拍摄时间往往不在同一时间段内,相隔时间很长,从年轻到年长,人像发生了很大变化,甚至存在部分图像即使人工都无法区分是否是同一个人。因此,如何提取有效、不变的人脸特征作为判别标准,是人证比对的关键。


解决

方案

针对上述难点,我们采取了以下解决方案:

针对现场照质量不佳的问题,采用三种解决方法。一,针对图像模糊问题,利用CNN扩张卷积实现对模糊图像的去模糊、去雾化处理,将模糊的图像清晰化。二,针对拍摄侧脸问题,考虑利用生成对抗网络根据单一侧脸还原用户正脸图片。三,针对营业厅现场环境复杂的问题,算法首先通过图像预处理将现场照的光照强度和证件照进行统一,并通过人像扶正和尺寸归一保证现场照和证件照的人像位置、大小一致。针对人像遮挡部分,则通过统计正常脸部图像SIFT特征对人脸缺失区域进行补充,并利用LTS计算出规范化的重构误差,取最小重构误差的人脸与证件照图像比较,进而提高准确率。

针对证件照质量不佳的问题,需要对证件芯片照进行图像增强处理。由于证件照图片相对于现场照图片来说分辨率更低,因此将证件照图像尺寸变大变清晰需要采用超分辨率重建技术,使用SRCNN通过双三次插值将低分辨率图像放大成目标尺寸,并通过三层卷积网络拟合非线性映射,最后得到较高分辨率的证件照进行后续识别和比对。

针对拍摄时间跨度大的问题,在人脸检测的基础上,新增瞳孔间距、五官比例、面部轮廓等特征。对于成年人来说,这些特征基本上已经成型,除了双胞胎外,多方位特征很难会出现一模一样的两个人。


生产

效果

目前,人证比对功能的同一人识别准确率为识别准确率为95.16%,不同人识别准确率为98.06%。


四、人像防伪

人像防伪功能包含P图检测,翻拍检测和一图多用检测。

P图检测:识别现场照和证件照中使用PS、美图秀秀等P图工具进行图像造假的行为。

翻拍检测:对已有的图像进行二次拍摄成像所得到的照片称为翻拍,识别现场照中存在翻拍现象的图片。翻拍图片往往会留下与真实拍摄照片不同的痕迹,例如水波纹、强噪声、设备边框等。根据痕迹的类别,分为手机翻拍、电脑翻拍、身份证翻拍、纸片翻拍、水波纹翻拍、强噪声翻拍和明显翻拍。

一图多用检测:使用同一张图片进行多次业务办理的现象称为一图多用,一图多用不符合工信部关于电话用户真实信息登记的要求,存在造假的嫌疑,需要进行识别。


图2 P图的业务场景


图3 翻拍的业务场景


图4 一图多用的业务场景


实现

难点

1

P  图

P图痕迹不明显:随着技术手段的提升,P图手法越来越成熟,部分P图图像即使人眼也很难分辨出是否经过后期处理。


2

人像翻拍

1、 翻拍场景复杂:人像翻拍的种类多种多样,部分翻拍图片没有明显的特征,例如水波纹、边框等,虽然肉眼可以看出与真实图片的差异,但是算法实现起来难度较大。

2、背景干扰:对于手机翻拍和电脑翻拍,翻拍时往往会出现部分电脑或者手机边框,这是检测的重要特征之一。但是受到业务办理现场环境的干扰,采集的人像中,背景也可能会出现手机、电脑等,可能对算法的识别效果造成影响。

3

一图多用

剪裁、上妆处理:在一图多用时,作弊者为了避免算法检测出来,有时会对图片进行剪裁或者上妆处理,虽然剪裁的区域属于原始图像的一部分,但是在定位区域和特征比较时,会造成干扰。


解决

方案

 难点1解决方案:对于P图痕迹不明显的图像,算法考虑从两个角度提取P图痕迹。对于P图图像来说,虽然肉眼看不出明显的P图痕迹,但是在图像的频域和颜色分布上会留下异常的过渡区域。算法通过在频域上提取GLCM特征,并在颜色空间使用CNN提取颜色分布信息,通过两者结合有效地检测出P图。

难点2解决方案:增加图像细节的处理,算法使用Inception v2模型,通过改进网络层数、卷积核来提取更深层次的图像特征,以达到精确检测的目的。

难点3解决方案:对于背景中可能包含手机边框或者电脑边框的图像,算法使用Faster RCNN分别框出人像和设备边框的位置,如果人像框和设备边框重叠度较大,则认定为是翻拍照片,否则为正常照片。 

难点4解决方案:对于同一张图片,部分区域剪裁或者上妆的图像来说,算法首先使用区域搜索匹配的方式,寻找到最佳剪裁区域,然后对肤色、色度、饱和度等特征进行统一,最后再进行相似度检测。


生产

效果

截止11月,全省P图翻拍共出现43例造假案例,AI成功识别出42例,识别准确率98%。一图多用共500例造假案例,识别准确率100%。


五、人证规范性校验

工信部和中国移动集团对于电话用户真实身份信息登记时的留存图片质量均提出了一定的规范要求,目前AI完全可以支撑。


人像规范性校验

人像规范性校验包含手持证件检测、多人检测、人脸完整性检测。

手持证件检测:识别采集用户现场照片时,出现用户手持身份证证件照进行拍摄,导致留存的用户现场照中包含人像以及证件的现象。

多人检测:识别采集用户现场照片时,出现除了用户以外的无关人员乱入,导致现场照中出现多张人脸的现象。

人脸完整性检测:识别采集现场照片时,出现因拍摄姿势不对导致的现场照中人像头顶缺失或者下巴缺失的现象。

以上现象均不符合工信部《电话用户真实身份信息登记实施规范》中关于电话用户实名登记时留存图片的质量要求。

图5 人像规范性校验的业务场景


实现

难点

1

手持证件照检测

1、 证件照摆放的位置、大小、角度多样:手持证件照图像种类繁多,证件照在图像区域的位置、大小和角度各不相同,并且手持的动作也会对证件照造成一定遮挡,影响识别效果。

2、 手持证件照背景干扰:最终的检测目的是判别手持证件的图像,但是对于正常图像来说,背景中可能出现证件或者与证件类似的墙纸、广告等,影响识别效果。

2

多人脸检测

背景干扰:在进行一张照片多人检测时,首先要检测人脸。但是图像背景中可能会存在一些海报、电视屏幕等包含人脸,可能误判为多张人脸,造成检测数量不准。

3

人脸完整性检测

1、 发型、下巴处戴口罩:头顶和下巴缺失主要是检测头顶和下巴轮廓的完整程度。由于发型的多样性难以确定头顶的界限。同理,如果将口罩戴到下巴处,即使没有挡住下巴,但是在进行下巴轮廓检测时也会造成一定干扰。

2、 头顶下巴缺失背景干扰:背景干扰和发型以及戴口罩类似,如果在头顶或者下巴处的背景中有接近肤色或者发色的物体,如何确定头顶下巴的缺失界限以及缺失程度,是一个难点。


解决

方案

难点1解决方案:针对证件照位置、大小、角度不一的情况,算法提取证件照的不变特征,即证件照为圆角边框,且有四条笔直边框。对于手持证件照造成遮挡的情况,算法使用图像预处理操作,使用sobel算子提取图像轮廓,检测直线,进行连接和填充,从而补全遮挡区域。

难点2解决方案:针对手持证件照的背景干扰,在背景中可能会出现与证件照相近的物体,算法使用FPN网络检测人脸和证件照区域的位置,再结合距离和位置信息,判定证件照是否为手持。

 难点3解决方案:多人检测时,背景中的人像和真实人像存在很大区别。海报或者屏幕中的人像,相比于真实人像,在成像时,表面

上一篇人工智能应用需要怎样的硬件加速?

下一篇人工智能如何助力教育创新?答案在这里!

相关文章:

学习本月排行

学习精选