Yüz tanıma katılım teknolojisinin üç algoritmasını biliyor musunuz?

Yüz tanıma katılım teknolojisi ilk olarak yüz bilgilerini toplar ve katılım makinesi yaya geçitine girip çıktığında onu yüz veritabanı ile karşılaştırır. Karşılaştırma başarılı olursa, katılım makinesi açılacaktır; Karşılaştırma başarısız olursa, katılım makinesi açılmaz; Yönetim, kullanıcının yüz tanıma katılım erişim kontrol ekipmanı üzerindeki veri karşılaştırmasına dayanmaktadır ve bilgisayar, kanal kontrol alanına giren ve çıkan personelin otomatik yönetimini tam olarak gerçekleştirmek için arka plan işleme aracı olarak kullanılır. Aynı zamanda, kullanıcı kayıt kayıtlarına göre, yöneticilerin kayıtları sorgulamak için uygun olan ve ayrıca olarak da kullanılabilen zaman gibi çeşitli sıralama koşullarına göre dışa aktarılabilen erişim kontrol kaydı raporları hızlı ve otomatik olarak oluşturabilir. Dahili personel için otomatik bir katılım sistemi.

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.
Geometri tabanlı yöntemler
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 profilinin tanımı ve tanınmasında kullanılmıştır. Birincisi, profil eğrisine göre bir dizi belirgin nokta belirlendi ve bu dikkat çekici noktalardan uzaklık ve açı gibi tanıma için bir dizi özellik metrikleri elde edildi. Jia ve ark. Yan profil görüntüsünü, frontal gri görüntüdeki çizginin yakınındaki integral projeksiyonla simüle edin.
Frontal yüz tanıma katılım sistemi için geometrik özellikler kullanmak genellikle gözler, ağız ve burun gibi önemli özellik noktalarının konumlarını ve sınıflandırma özellikleri olarak gözler gibi önemli organların geometrik şekillerini çıkarır, ancak geometrik özellik çıkarmanın performansı test edilmiştir. deneysel olarak. Araştırma, sonuçlar iyimser değil.
Deforme edilebilir şablon yöntemi, geometrik özellik yönteminin bir iyileştirilmesi olarak kabul edilebilir. Temel fikri, ayarlanabilir parametrelere (yani deforme olabilen bir şablon) sahip bir organ modeli tasarlamak, bir enerji fonksiyonunu tanımlamak ve model parametrelerini ayarlayarak enerji işlevini en aza indirmektir. Şu anda model parametreleri, organın geometrik özellikleri olarak kullanılmaktadır.
Bu yöntem fikri çok iyi, ancak iki sorun var. Birincisi, enerji fonksiyonundaki çeşitli maliyetlerin ağırlıklandırma katsayılarının sadece ampirik olarak belirlenebilmesidir, bu da popüler hale getirilmesi zordur. Diğeri, enerji fonksiyonunun optimizasyon sürecinin çok zaman alıcı ve uygulamada uygulanması zor olmasıdır. Parametre tabanlı 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, sadece bileşenlerin temel şeklini ve yapısal ilişkisini açıklar, yerel ince özellikleri görmezden gelir, bu da bilginin bir kısmının kaybına yol açar, bu da kaba sınıflandırma için daha uygundur.