Skip to main content

Tìm kiếm khuôn mặt tương đồng (Face Search - 1:n) - kết quả kiểm định NIST FRTE

Tính năng tìm kiếm khuôn mặt tương đồng (Face Search - 1:n) của FPT AI eKYC đối chiếu khuôn mặt của một người với toàn bộ khuôn mặt đã được lưu trữ trong cơ sở dữ liệu, nhằm xác định người đó đã tồn tại trong hệ thống hay chưa. Khác với Face Match vốn chỉ so sánh hai ảnh với nhau, Face Search phải quét qua toàn bộ cơ sở dữ liệu, nên độ chính xác phụ thuộc vào quy mô cơ sở dữ liệu và được đo bằng bộ chỉ số khác.

Thuật toán của FPT Smart Cloud đã được đánh giá độc lập bởi Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ (NIST) trong chương trình Face Recognition Technology Evaluation (FRTE) 1:N Identification, trên cơ sở dữ liệu quy mô 1,6 triệu người.

1. Tóm tắt kết quả​

Kết quả đo trên cơ sở dữ liệu 1,6 triệu người:

Kịch bảnChế độ hỗ trợ tra soát (rank-1)Chế độ định danh tự động (FPIR 0,3%)
Ảnh chân dung chất lượng cao0,15%0,38%
Ảnh giấy tờ đối chiếu ảnh chụp trực tiếp0,22%1,11%
Ảnh chụp qua webcam1,22%2,22%

Các con số trên là FNIR - tỷ lệ bỏ sót. Với kịch bản ảnh chân dung chất lượng cao, hệ thống tìm ra đúng đối tượng ở vị trí đầu tiên trong 99,85% số lần tra cứu, trên cơ sở dữ liệu 1,6 triệu người.

Toàn bộ số liệu có thể tự kiểm chứng tại report card công khai của NIST.

2. Hai chế độ vận hành và chỉ số tương ứng​

Face Search có thể được triển khai theo hai chế độ khác nhau về bản chất. Việc lựa chọn chế độ quyết định con số độ chính xác nào là con số đúng cần tham chiếu.

Chế độ hỗ trợ tra soát (investigation mode). Hệ thống luôn trả về một danh sách ứng viên có độ tương đồng cao nhất, không áp ngưỡng loại bỏ. Người kiểm tra xem danh sách và ra quyết định cuối cùng. Chỉ số đo là FNIR tại rank R - tỷ lệ đối tượng đúng không xuất hiện trong R kết quả đầu tiên. Chế độ này phù hợp với nghiệp vụ điều tra, đối soát hồ sơ nghi vấn, rà soát danh sách đen có người xác nhận.

Chế độ định danh tự động (identification mode). Hệ thống áp một ngưỡng cố định và chỉ trả về kết quả vượt ngưỡng; nếu không có kết quả nào vượt ngưỡng thì kết luận đối tượng chưa tồn tại trong cơ sở dữ liệu. Chế độ này đo bằng cặp chỉ số:

  • FNIR (False Negative Identification Rate) - tỷ lệ bỏ sót: đối tượng có trong cơ sở dữ liệu nhưng hệ thống không trả về. Hậu quả nghiệp vụ là để lọt một hồ sơ trùng lặp hoặc một đối tượng trong danh sách đen.
  • FPIR (False Positive Identification Rate) - tỷ lệ báo động giả: đối tượng không có trong cơ sở dữ liệu nhưng hệ thống vẫn trả về kết quả khớp. Hậu quả nghiệp vụ là khách hàng hợp lệ bị chặn nhầm và phát sinh khối lượng kiểm tra thủ công.

Tương tự Face Match, FNIR và FPIR là một cặp đánh đổi theo ngưỡng cấu hình. Khi so sánh các giải pháp, cần luôn đọc FNIR gắn với một mức FPIR và một quy mô cơ sở dữ liệu xác định.

3. Cơ sở đánh giá​

Thông tinChi tiết
Tên developerFCI Vietnam
Tên thuật toánfci_000
Loại đánh giá1:N Identification
Ngày nộp thuật toán cho NIST02/04/2025
Quy mô cơ sở dữ liệu thử nghiệm1.600.000 người, có thử nghiệm mở rộng tới 10 triệu

NIST FRTE sử dụng tập dữ liệu do chính NIST nắm giữ độc quyền, đơn vị cung cấp thuật toán không được tiếp cận trước khi đánh giá. Cùng một bộ dữ liệu và cùng một phương pháp đo được áp dụng cho toàn bộ thuật toán tham gia, và kết quả được công khai vĩnh viễn trên website NIST.

Các bộ dữ liệu được sử dụng đại diện cho những điều kiện chụp thực tế khác nhau: ảnh hồ sơ hành chính chất lượng cao, ảnh hộ chiếu đối chiếu ảnh chụp tại cửa khẩu, ảnh chụp qua webcam, ảnh chụp tại kiosk sân bay.

4. Ảnh hưởng của quy mô cơ sở dữ liệu​

Đặc điểm cơ bản của bài toán 1:n là cơ sở dữ liệu càng lớn thì xác suất xuất hiện một khuôn mặt tương đồng ngẫu nhiên càng cao, kéo theo độ chính xác suy giảm. Đây là lý do một con số độ chính xác Face Search không kèm quy mô cơ sở dữ liệu không có giá trị đối chiếu.

Trong đánh giá của NIST, khi mở rộng cơ sở dữ liệu từ khoảng 1 triệu lên 10 triệu người, tỷ lệ bỏ sót của fci_000 chỉ tăng nhẹ và vẫn duy trì trong dải một phần nghìn đối với ảnh chân dung chất lượng cao.

Ý nghĩa thực tế: cơ sở dữ liệu danh sách đen hoặc tập khách hàng hiện hữu của phần lớn tổ chức tài chính tại Việt Nam nhỏ hơn đáng kể so với quy mô 1,6 triệu người dùng trong bài đánh giá. Kết quả thực tế khi triển khai vì vậy thường tốt hơn con số công bố.

5. Hiệu năng và chi phí hạ tầng​

Thông sốGiá trị đo bởi NIST
Kích thước template mỗi khuôn mặt2.048 bytes
Thời gian trích xuất templateKhoảng 1,47 giây
Thời gian tra cứu trên cơ sở dữ liệu khoảng 1 triệu ngườiKhoảng 2 - 5 giây

Từ kích thước template có thể ước lượng nhanh chi phí lưu trữ: một cơ sở dữ liệu 1 triệu khuôn mặt cần khoảng 2 GB dung lượng cho dữ liệu đặc trưng, chưa tính ảnh gốc nếu khách hàng chọn lưu trữ ảnh.

Thời gian tra cứu nêu trên là số đo trong môi trường thử nghiệm của NIST. Thời gian thực tế phụ thuộc vào cấu hình hạ tầng triển khai và cần được xác định trong giai đoạn thiết kế giải pháp.

6. Ý nghĩa đối với nghiệp vụ​

Phát hiện hồ sơ trùng lặp (deduplication). Khi khách hàng mở tài khoản mới, Face Search đối chiếu khuôn mặt với toàn bộ khách hàng hiện hữu để phát hiện trường hợp một người mở nhiều hồ sơ dưới các giấy tờ khác nhau. Đây là kịch bản gian lận mà Face Match 1:1 không thể phát hiện, vì ở mỗi hồ sơ riêng lẻ, khuôn mặt vẫn khớp với giấy tờ được xuất trình.

Sàng lọc danh sách đen. Đối chiếu khách hàng mới với danh sách đối tượng đã bị từ chối, đã có lịch sử gian lận hoặc thuộc danh sách hạn chế. Với tỷ lệ bỏ sót ở mức một phần nghìn, gần như toàn bộ trường hợp nằm trong danh sách đều được phát hiện.

Nhận diện khách hàng hiện hữu và khách hàng ưu tiên. Xác định nhanh danh tính khách hàng tại quầy giao dịch hoặc điểm phục vụ, phục vụ cá nhân hóa trải nghiệm.

Giảm khối lượng rà soát thủ công. Trong chế độ hỗ trợ tra soát, việc áp một ngưỡng hợp lý giúp rút ngắn danh sách ứng viên gửi cho người kiểm tra. Thay vì rà 50 ứng viên cho mỗi lượt tra cứu, đội vận hành chỉ cần xem những trường hợp thực sự có khả năng trùng khớp.

7. Khuyến nghị triển khai​

Sử dụng ảnh chính diện. Độ chính xác của Face Search suy giảm rất mạnh khi ảnh đầu vào được chụp nghiêng. Khác với Face Match 1:1 vốn vẫn duy trì độ chính xác chấp nhận được ở góc nghiêng lớn, bài toán 1:n trên cơ sở dữ liệu hàng triệu người rất nhạy với góc chụp. Không khuyến nghị đưa ảnh chụp nghiêng vào luồng tìm kiếm; cần áp dụng kiểm tra chất lượng hình ảnh và yêu cầu chụp lại trước khi gọi Face Search.

Ưu tiên ảnh đăng ký chất lượng cao. Chất lượng của ảnh được lưu vào cơ sở dữ liệu ảnh hưởng tới toàn bộ các lượt tra cứu sau đó. Nên chuẩn hóa ảnh ở bước đăng ký thay vì chấp nhận ảnh chất lượng thấp rồi bù bằng ngưỡng lỏng.

Chọn đúng chế độ vận hành theo mức rủi ro. Với nghiệp vụ mà việc bỏ sót gây hậu quả lớn (sàng lọc danh sách đen, phát hiện gian lận), nên dùng chế độ hỗ trợ tra soát kết hợp người kiểm tra. Với nghiệp vụ khối lượng lớn và mức rủi ro thấp hơn, chế độ định danh tự động cho phép xử lý không cần can thiệp thủ công.

8. Phạm vi của kiểm định này​

NIST FRTE 1:N đánh giá độ chính xác tìm kiếm khuôn mặt trong điều kiện dữ liệu đầu vào hợp lệ. Chương trình này không đánh giá khả năng phát hiện giả mạo. Trong luồng nghiệp vụ thực tế, Face Search cần được đặt sau bước kiểm tra thực thể sống để đảm bảo khuôn mặt đưa vào tìm kiếm là của người thật đứng trước camera. Xem chi tiết tại Liveness Detection - ISO/IEC 30107-3 Level 1 và Level 2.

9. Tham chiếu​

Tài liệu phân tích chuyên sâu​

Báo cáo NIST còn bao gồm các phân tích bổ sung: độ chính xác theo khoảng cách thời gian giữa ảnh đăng ký và ảnh tra cứu (từ 10 đến 15 năm), hiệu suất theo giới tính và nhóm tuổi, quan hệ giữa ngưỡng và độ dài danh sách ứng viên phục vụ thiết kế quy trình rà soát. Các nội dung này được cung cấp theo yêu cầu - vui lòng liên hệ đội ngũ tư vấn của FPT Smart Cloud.

On this page