新規に顔画像登録をする正しい方法を解説します。顔登録画像ファイルの用意の仕方から実際の顔認証時に気をつけることなどを解説しました。

Windows 10における動作環境作成とファイルの説明をいたします。

windows 10 でテストスクリプトを動作させました。テストスクリプトのソースコードも掲載しています。

Face01 を簡単に動作させるテストスクリプトをご紹介します。
こちらは Python 3.6 で動作するテストになります

単純にバーチャルで予測されうる横を向いた顔画像と、実際の人間が横を向いた画像を比較してみましょう。同じ人に見えますか？他人に見えますか？

今回はマルチモーダルではなく、それぞれを単独で使用した場合の比較を表にしました。
測光型・予測３D型・２D型の３種類を比較検討しました。

前回では主に顔認証のメリットいついてお話させていただきました。確かに顔認証には無限の可能性がありますが解決していかなければならない問題も存在します。

今回はももいろクローバーZさんの顔写真データを使い、顔認証の検証を行ってみたいと思います。また後半では画面全体がどのように映っているかモーガンフリーマンさんの動画を使って説明しました。

顔認証に限らず生体認証には様々な専門用語が飛び交います。あれ？と思ったらこのページを参照してくださいね。

顔認証とプライバシー問題。2017年から完全施行された改正個人情報保護法が顔認証とどのように関係してくるのか、まずは法律関連をまとめました。グレーゾーンの対応についても考えていきます。

ユーザビリティに優れる顔認証技術は、認証制度の大幅な向上に支えられて大きく広がろうとしています。
具体的な応用事例と今後の進展をまとめました。

顔認識技術の歴史的な流れと顔認証が内部でどのように処理をしているのかをまとめます

顔認証の最大の特長は非接触性・非拘束性にあります。すなわち機器に触れたり立ち止まったりすることなく手軽なセキュリティとして実装することが可能です。その上で、顔認証にも長所・短所があることを確認します。

本人拒否率と他人受入率について実際に検証を行いました。

今回はリンダ・ハミルトンさん、モーガンフリーマンさん、ウィルスミスさん、藤原紀香さんの顔写真データを使い、顔認証の検証を行ってみたいと思います。
　また、顔画像を登録していない顔に対しても正しく「 Unknown 」と表示されるか検証しています。

「誤認識した顔画像の検証（２）」にて綾瀬はるかさんの動画を使い、Face01 でのしきい値を変化させた時どれくらい誤認識が抑えられていくかを検証しました。
前回、「顔データを正しく再登録する」で登録されている顔データを整理・加工処理しました。これによって「誤認識した顔画像の検証（２）」とどのように認証具合に違いが出たかを検証します。

認証率を上げるためには何を心がければいいのでしょうか。今回は登録してある顔画像のうち、約 74% を捨てました。更に残った顔画像に対して修正を加え認証率を上げる処理を行いました。

Face01 を呼び出すためのテストスクリプト ( test_script.py ) のソースコードを掲載します。

しきい値の変化による誤認識の現れ方を検証しました。現場の運用ではどのような場合にどんな値を用いるのがベターなのでしょうか。

しきい値は十分に低いのにもかかわらず誤認識する場合があります。どのような対処が必要なのか解説します。

日本における顔認証システムの普及はどうなるのか、中国との違いをまとめています。

顔認証システムを選ぶ時に注意したい２つのポイント

顔認証システムを選ぶ時に気になるNISTとFRVTを解説します。

FACE01をベースにサンプルデータベースを作ります。

顔認証がどのようにして個別の顔を判別しているのかについてざっくりとご紹介します。

顔認証の認証率・誤認証率に直接関係する許容値（ tolerance ）、ゆらぎ値( jitter )、upsampling 値についてご説明したいと思います。

生体認証とは指紋や歩き方、虹彩、掌など何種類かありますが、100%信用できるものではありません。
生体認証のキーワードFAR 、FRRを含めてどのようなことなのか解説します。

特徴ベクトルの配列を外部ファイルとして保存して、エンコード時間を 0 にする仕組みを解説します。