휴대전화 신호가 안 좋을 수도 있고, 고객이 신호가 좋은 곳으로 가서 다시 시도할 수도 있습니다. 그리고 얼굴 인식을 하는 환경에는 백라이트가 있거나 빛이 부족할 수 있습니다. 고객에게 빛이 충분한 곳에 가서 재검증할 것을 건의합니다.
또 고객이 앞머리를 가지고 있거나 얼굴을 가리는 안경을 쓰고 있을 수도 있다. 고객은 앞머리를 빗거나 안경을 벗고 얼굴 폐색이 없는지 확인한 후 다시 시도해 볼 수 있다. 물론, 고객이 지시에 따라 지정된 동작을 하지 않았거나 지정된 비밀번호를 말하지 않았을 수도 있으며, 고객은 다시 시도할 때 시스템 프롬프트를 주의 깊게 따라야 합니다. 만약 정말 안 된다면, 고객은 개인 신분증, 주거증명서, 경제소득증명서 등 관련 자료를 가지고 농행 오프라인 매장에 가서 처리할 수 있습니다.
얼굴 인식은 얼굴 특징 정보를 기반으로 신분을 인식하는 바이오메트릭 인식 기술입니다. 인물 인식 및 얼굴 인식이라고도 하는 일련의 관련 기술로, 얼굴을 포함하는 이미지 또는 비디오 스트림을 수집하고, 이미지에서 얼굴을 자동으로 감지 및 추적하며, 감지된 사람의 얼굴을 얼굴 인식하는 데 사용됩니다.
얼굴 인식 시스템의 연구는 1960 년대에 시작되었고, 80 년대 이후 컴퓨터 기술과 광학 이미징 기술이 발달하면서 개선되었지만, 진정한 초급 응용 단계는 1990 년대 후반에 미국, 독일, 일본의 기술에 의해 주로 이루어졌다. 얼굴 인식 시스템 성공의 관건은 최첨단 핵심 알고리즘을 보유하고 있는지 여부와 인식 결과를 실용적인 인식률과 속도로 만드는 것입니다. 얼굴 인식 시스템은 인공 지능, 기계 인식, 기계 학습, 모델 이론, 전문가 시스템, 비디오 이미지 처리 등의 전문 기술을 통합합니다. 중앙값 처리의 이론과 구현을 결합해야 한다. 이것은 생체 인식의 최신 응용이다. 핵심 기술의 실현은 약한 인공지능에서 강한 인공지능으로의 전환을 보여준다.
전통적인 얼굴 인식 기술은 주로 가시광선 이미지를 기반으로 하며, 이는 우리가 잘 알고 있는 인식 방법이며, 이미 30 여 년 동안 발전해 왔다. 그러나이 방법에는 극복 할 수없는 결함이 있습니다. 특히 환경 조명이 바뀌면 인식 효과가 급격히 떨어지며 실제 시스템의 요구를 충족시킬 수 없습니다. 조명 문제를 해결하는 데는 3 차원 이미지 얼굴 인식과 열 이미지 얼굴 인식이 있습니다. 하지만 이 두 기술 모두 아직 성숙하지 못했고, 인식 효과도 만족스럽지 못했다.
빠르게 성장하는 솔루션은 활성 근적외선 이미지를 기반으로 하는 다중 광원 얼굴 인식 기술입니다. 그것은 빛의 변화의 영향을 극복하고 뛰어난 인식 성능을 얻을 수 있다. 전체 시스템 성능은 정확도, 안정성 및 속도 면에서 3D 이미지 얼굴 인식을 능가합니다. 이 기술은 최근 2 ~ 3 년 동안 급속히 발전하여 얼굴 인식 기술이 점차 실용화되었다.