Yüz tanıma katılım teknolojisinin üç algoritmasını biliyor musunuz?

Yüz tanıma katılım teknolojisi ilk olarak yüz bilgilerini toplar ve yaya geçitinin kapısına girip çıkarken yüz veritabanı ile karşılaştırır. Karşılaştırma başarılı olursa, kapı açılır. Yönetim, kullanıcının yüz tanıma katılım erişim kontrol ekipmanındaki veri karşılaştırmasına dayanmaktadır ve bilgisayar, kanal kontrol alanına giren ve çıkan personelin otomatik yönetimini tam olarak gerçekleştirmek için arka plan işleme aracı olarak kullanılır ve Aynı zamanda, kullanıcı kayıt kaydına göre hızlı ve otomatik olarak oluşturulabilir. Erişim kontrol kayıtları ve raporları, yöneticilerin kayıtlarını sorgulamak için uygun olan ve dahili personel için otomatik katılım sistemi olarak da kullanılabilir olan kullanıcıların gerektirdiği zaman gibi çeşitli sıralama koşullarına göre dışa aktarılabilir.

Ana yüz tanıma katılım sistemleri temel olarak üç kategoride sınıflandırılabilir: geometrik özelliklere dayalı yöntemler, şablonlara dayalı yöntemler ve modellere dayalı yöntemler.
1. Geometrik özelliklere dayanan yöntem erken ve geleneksel bir yöntemdir ve daha iyi sonuçlar elde etmek için genellikle diğer algoritmalarla birleştirilmesi gerekir.
2. Şablon tabanlı yöntemler, korelasyon eşleştirme, öz yüzey yöntemleri, doğrusal ayrımcı analiz yöntemleri, tekil değer ayrışma yöntemleri, sinir ağı yöntemleri, dinamik bağlantı eşleştirme yöntemleri, vb.
3. Model tabanlı yöntemler, gizli Markov modellerine, aktif şekil modellerine ve aktif görünüm modellerine dayanan yöntemleri içerir.
İnsan yüzü gözler, burun, ağız ve çene gibi parçalardan oluşur. Tam olarak bu parçaların şekli, boyutu ve yapısındaki çeşitli farklılıklar nedeniyle dünyadaki her insan yüzü çok farklıdır. Bu nedenle, bu parçaların şekli ve yapısal ilişkisinin geometrik tanımı, yüz tanıma katılımının önemli bir özelliği olarak kullanılabilir.
Geometrik özellikler ilk olarak insan yüzünün profilini tanımlamak ve tanımak için kullanıldı. İlk olarak, profil eğrisine göre bir dizi belirgin nokta belirlenir ve mesafe, açı vb. Gibi tanıma için bir dizi özellik metriği bu belirgin noktalardan türetilmiştir. Jia ve ark. Derece haritasında çizginin yakınındaki integral projeksiyon, yan profil haritasını simüle etmek için çok yeni bir yöntemdir.
Frontal yüz tanıma ve katılım sistemleri için geometrik özellikleri kullanmak genellikle gözler, ağız ve burun gibi önemli özellik noktalarının pozisyonlarını ve gözler gibi önemli organların sınıflandırma özellikleri olarak geometrik şekillerini çıkarır, ancak geometrik özellik çıkarmanın doğruluğu olmuştur. deneysel olarak test edildi. Araştırma, sonuçlar iyimser değil.
Deforme edilebilir şablon yöntemi, geometrik özellik yönteminin bir iyileştirilmesi olarak kabul edilebilir. Temel fikri: Ayarlanabilir parametrelere sahip bir organ modeli tasarlayın, bir enerji işlevi tanımlayın ve model parametrelerini ayarlayarak enerji işlevini en aza indirin. Şu anda, model parametreleri organın geometrik özellikleridir.
Bu yöntem fikri çok iyi, ancak iki sorun var. Birincisi, enerji fonksiyonundaki çeşitli maliyetlerin ağırlıklandırma katsayılarının sadece deneyime göre belirlenebilmesidir, bu da teşvik edilmesi zordur. Diğeri, enerji fonksiyonu optimizasyon sürecinin çok zaman alıcı ve uygulamada uygulanması zor olmasıdır. Yüz temsili, yüzün göze çarpan özelliklerinin bir tanımını elde edebilir, ancak çok fazla ön işleme ve ince parametre seçimi gerektirir. Aynı zamanda, genel geometrik özelliklerin kullanımı, yalnızca yerel ince özellikleri göz ardı ederek parçaların temel şeklini ve yapısal ilişkisini açıklar. Kaba sınıflandırma için daha uygun olan bilgilerin bir kısmının kaybına neden olur ve mevcut özellik noktası algılama teknolojisi, verimlilik açısından gereksinimleri karşılamaktan uzaktır ve hesaplama miktarı da büyüktür.