Kjenner du de tre algoritmene i ansiktsgjenkjenningsteknologi?

Ankjenningsgjenkjenningsteknologien samler først informasjon om ansikt, og sammenligner den med ansiktsdatabasen når du kommer inn og forlater porten til fotgjengerpassasjen. Hvis sammenligningen er vellykket, åpnes porten. Ledelsen er basert på datasammenligningen av brukeren på ansiktsgjenkjenningsdeltagelse til tilgangskontrollutstyr, og datamaskinen brukes som bakgrunnsbehandlingsverktøy for å fullstendig realisere den automatiske styringen av personellet som kommer inn og forlater kanalkontrollområdet, og ved den Samtidig kan det raskt og automatisk genereres i henhold til brukerregistreringsposten. Access Control -poster og rapporter kan eksporteres i henhold til forskjellige sorteringsbetingelser som tid som er nødvendig av brukere, noe som er praktisk for ledere å spørre poster, og kan også brukes som et automatisk oppmøte -system for internt personale.

De mainstream ansiktsgjenkjenningssystemene kan i utgangspunktet klassifiseres i tre kategorier, nemlig: metoder basert på geometriske funksjoner, metoder basert på maler og metoder basert på modeller.
1. Metoden basert på geometriske trekk er en tidlig og tradisjonell metode, og må vanligvis kombineres med andre algoritmer for å oppnå bedre resultater.
2. Malbaserte metoder kan deles inn i metoder basert på korrelasjonsmatching, egenface-metoder, lineære diskriminerende analysemetoder, singularverdi-dekomponeringsmetoder, nevrale nettverksmetoder, dynamiske tilkoblingsmatchingsmetoder, etc.
3. Modellbaserte metoder inkluderer metoder basert på skjulte Markov-modeller, aktive formmodeller og aktive utseende-modeller.
Det menneskelige ansiktet er sammensatt av deler som øyne, nese, munn og hake. Det er nettopp på grunn av de forskjellige forskjellene i form, størrelse og struktur i disse delene at hvert menneskelig står overfor i verden er veldig annerledes. Derfor kan den geometriske beskrivelsen av formen og strukturelle forholdet til disse delene brukes som et viktig trekk ved ansiktsgjenkjenningsoppmøte.
Geometriske trekk ble først brukt til å beskrive og gjenkjenne profilen til det menneskelige ansiktet. For det første bestemmes en rekke fremtredende punkter i henhold til profilkurven, og et sett med funksjonsmålinger for anerkjennelse som avstand, vinkel osv. Er avledet fra disse fremtredende punktene. Jia et al. Den integrerte projeksjonen nær linjen i gradskartet er en veldig ny metode for å simulere sideprofilkartet.
Å bruke geometriske funksjoner for frontal ansiktsgjenkjenning og fremmøtesystemer trekker generelt ut posisjonene til viktige trekkpunkter som øyne, munn og nese, og de geometriske former av viktige organer som øyne som klassifiseringsfunksjoner, men nøyaktigheten av geometrisk funksjonsekstraksjon har vært eksperimentelt testet. Forskning, resultatene er ikke optimistiske.
Den deformerbare malmetoden kan betraktes som en forbedring av den geometriske funksjonsmetoden. Den grunnleggende ideen er: Design en orgelmodell med justerbare parametere, definere en energifunksjon og minimere energifunksjonen ved å justere modellparametrene. På dette tidspunktet er modellparametrene som de geometriske trekk ved orgelet.
Ideen om denne metoden er veldig bra, men det er to problemer. Den ene er at vektkoeffisientene for forskjellige kostnader i energifunksjonen bare kan bestemmes av erfaring, noe som er vanskelig å fremme. Den andre er at optimaliseringsprosessen for energifunksjonen er veldig tidkrevende og vanskelig å bruke i praksis. Ansiktsrepresentasjon kan oppnå en beskrivelse av de fremtredende trekkene i ansiktet, men det krever mye forhåndsbehandling og fin parametervalg. Samtidig beskriver bruken av generelle geometriske funksjoner bare den grunnleggende formen og strukturelle forholdet til deler, og ignorerer lokale subtile funksjoner. Det forårsaker tap av en del av informasjonen, som er mer egnet for grov klassifisering, og den eksisterende funksjonspunktdeteksjonsteknologien er langt fra å oppfylle kravene når det gjelder effektivitet, og beregningsmengden er også stor.