企业部署面部识别解决方案的硬件需求可能因应用程序而异，并非每种情况都需要高分辨率的摄像机或高的计算能力，并且每个应用场景面临的环境都有所不同(例如照明、拥挤、天气等)。
通常，为了部署面部识别系统，需要的是经过良好调整的相机，本地计算能力和软件。硬件系统必须与适当的计算能力配对才能有效地运行面部检测，这取决于您是在管理高密度还是低密度的环境。
但是，硬件要求可能会因应用程序和部署体系结构而有很大差异。例如，安全访问环节，可以利用帧率较低的低分辨率相机，并且需要较少的计算能力(除了部署更少的相机)，这有效地降低了总数拥有成本(TCO)，计算机视觉副总裁兼SAFR和RealNetworks总经理Dan Grimm解释道。
另一方面，在使用关注列表时，部署更多相机可以提高准确性和性能。Grimm补充表示，“如果面部识别平台，通过在云中的边缘和识别做检测支持分布式架构，那么你不仅降低了TCO，你也增加了你了大规模的方式在扩展能力。”
在人脸识别的早期阶段，通常需要在准确度和设备功率之间进行权衡。Ever AI首席执行官Doug Aley表示，“无论是在芯片组，带宽要求还是相机分辨率方面，低功耗设备的精度都会降低。”
今天Ever AI已经成功地部署了从单核心传统处理器到一系列高性能GPU(如NVIDIA)的所有产品。“现在有像我们这样的其他公司，准确性权衡不再是一个问题，”Aley补充道。
如今，速度是主要变化的来源 – 硬件越强大，匹配速度越快，整体用户体验越快。
Aley解释说，大多数现代芯片组，尤其是四核芯片组，都会非常快。此外，今天的人脸识别模型以及构建这些模型的框架越来越擅长处理低功耗芯片组。
美国智能安全系统(ISS)销售总监Shawn Mather 突出了硬件并发症的软件集成问题。但是，软件提供商可以通过使其解决方案与VMS解决方案和电子门禁控制解决方案兼容来克服这些挑战。
人脸选择部署的人脸识别类型 – 二维或三维人脸识别技术也可能带来一系列特定的挑战和要求。MarketsandMarkets的一份报告指出，早期2D人脸识别技术捕获的图像高度依赖于照明，这意味着光线不足会严重影响图像质量。另一个挑战是“软件工具和生物识别硬件设备之间的集成不兼容”。
然而，该报告预计3D技术在未来几年将拥有较大的市场份额。与2D技术不同，3D技术不依赖于照明。这使它能够在不受控制的环境中捕获更高质量的图像，例如光线不足或完全黑暗的区域。
未来几年还需要考虑的是人脸识别摄像头，识别过程在前端进行。然而，这些类型的摄像机需要强大的计算能力，因为所有用于识别的工具都是板载的。虽然有几家相机公司正在开发人脸识别相机，但整体市场仍然处于刚刚起步的状态，但未来可能会有所期待。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
