EdgeReady-Lösung ermöglicht 3D-Gesichtserkennung
NXP Semiconductors hat sein NXP EdgeReady-Lösungsportfolio um eine Lösung für die sichere Gesichtserkennung erweitert, die ein leistungsstarkes 3D-Strukturlicht nutzt Modulen (SLM)-Kamera kombiniert mit der i.MX RT117F Crossover-MCU.
Es ist die erste Lösung, die eine 3D-SLM-Kamera mit einer MCU kombiniert, die die Leistung und Sicherheit der 3D-Gesichtserkennung am Edge bietet und die Notwendigkeit einer teuren und energiehungrigen Linux-Implementierung auf einer MPU überflüssig macht, wie es normalerweise der Fall ist mit leistungsstarken 3D-Kameras.
Die EdgeReady-Lösung wurde entwickelt, um Entwicklern von Smart Locks und anderen Zugangskontrollsystemen zu helfen, Smart Home- und Smart Building-Produkte um eine auf maschinellem Lernen basierende sichere Gesichtserkennung zu erweitern.
Die Lösung bietet zuverlässige 3D-Gesichtserkennung in Innen- und Außenanwendungen bei unterschiedlichen Lichtverhältnissen, einschließlich hellem Sonnenlicht, schwachem Nachtlicht oder anderen schwierigen Lichtverhältnissen, die für herkömmliche Gesichtserkennungssysteme eine Herausforderung darstellen.
Die Verwendung einer 3D-SLM-Kamera ermöglicht eine fortschrittliche Liveness-Erkennung, die dazu beiträgt, eine reale Person von Spoofing-Techniken wie einem Foto, einer Nachahmungsmaske oder einem 3D-Modell zu unterscheiden, um unbefugten Zugriff zu verhindern.
Der i.MX RT117F verwendet ein fortschrittliches Modell für maschinelles Lernen als Teil der eIQ-Software für maschinelles Lernen von NXP, die auf seinem Hochleistungs-CPU-Kern ausgeführt wird und eine schnellere und genaue Gesichtserkennung ermöglicht, um sowohl die Benutzererfahrung als auch die Energieeffizienz zu verbessern.
Ähnlich wie bei der i.MX RT106F MCU-basierten NXP EdgeReady-Lösung für die sichere Gesichtserkennung werden fortschrittliche Lebenderkennung und Gesichtserkennung lokal am Edge durchgeführt, sodass persönliche biometrische Daten auf dem Gerät verbleiben. Infolgedessen trägt es dazu bei, Datenschutzbedenken der Verbraucher zu berücksichtigen und gleichzeitig die mit Cloud-basierten Lösungen verbundene Latenz zu beseitigen.