- El SDK Face Verification está destinado para desarrollar aplicaciones que realicen identificación de la identidad del usuario final en sistemas de grandes escalas como:
- Bancos en línea e e-shops.
- Servicios eléctricos gubernamentales.
- Redes sociales y servicios de compartición de medios.
- El SDK Face Verification está basado en el algoritmo VeriLook, el cual provee avanzada localización de rostros, enrolamiento y comparación usando robustos algoritmos de procesamiento de imágenes basadas en redes neuronales. El SDK ofrece las siguientes características para sistemas de verificación de identidad a larga escala:
- Detección de rostro vivo. Un sistema convencional de reconocimiento de rostro puede ser engañado colocando una fotografía en frente de una cámara. El SDK Face Verification es capaz de prevenir este tipo de brechas de seguridad determinando si una cara en un video es una cara viva o una fotografía. La detección de vida puede ser realizada en modo pasivo, cuando el motor evalúa algunas características faciales, y en modo activo, cuando el motor evalúa la respuesta del usuario como pestañear o mover la cabeza.
- Determinación de calidad de imagen de rostro. Un limite de calidad puede ser usado durante el enrolamiento de rostro para asegurar que solo los templates de rostro con la mejor calidad serán almacenados en la base de datos.
- Tolerancia de posición del rostro. El SDK Face Verification permite girar la cabeza, variación de cabeceo y guiño hasta de 15 en cada dirección de la posición frontal.
- Múltiples muestras del mismo rostro. El registro de templates biométricos puede contener múltiples muestras de rostros pertenecientes a la misma persona. Estas muestras pueden ser enroladas de diferentes fuentes en diferentes momentos, mejorando la calidad de las comparaciones. Por ejemplo, una persona podría ser enrolada con o sin barba o bigote, etc.
- Modo de generalización de características. Este modo genera la colección de las características de rostro generalizadas de diferentes imágenes del mismo sujeto. Entonces, cada imagen de rostro es procesada, las características son extraídas y las colecciones de las características son analizadas y combinadas en una colección de características, que es guardada en la base de datos. De esta manera, las características del template enrolado es más confiable y la calidad del reconocimiento de rostro incrementa considerablemente.
