Kjenner du de tre algoritmene i ansiktsgjenkjenningsteknologi?

Face Recognition oppmøte teknologi samler først informasjon om ansikt, og sammenligner den med ansiktsdatabasen når fremmøtemaskinen kommer inn og kommer ut av gangen. Hvis sammenligningen er vellykket, vil fremmøte -maskinen åpne; Hvis sammenligningen mislykkes, vil ikke fremmøte -maskinen åpne; 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. Samtidig, ifølge brukerregistreringspostene, kan den raskt og automatisk generere tilgangskontrolloppføringsrapporter som kan eksporteres i henhold til forskjellige sorteringsbetingelser som tid, noe som er praktisk for ledere å spørre poster, og kan også brukes som som som Et automatisk fremmøte -system for internt ansatte.

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 ha 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.
Geometri-baserte metoder
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 i beskrivelsen og anerkjennelsen av profilen til det menneskelige ansiktet. Først ble en rekke fremtredende punkter bestemt i henhold til profilkurven, og et sett med funksjonsmålinger for anerkjennelse, for eksempel avstand og vinkel, ble avledet fra disse fremtredende punktene. Det er en veldig nyskapende metode som Jia et al. Simulere sideprofilbildet med den integrerte projeksjonen nær linjen i det frontalgrå bildet.
Å bruke geometriske funksjoner for fremmøte -system for ansiktsgjenkjenning trekker generelt ut posisjonene til viktige trekkpunkter som øyne, munn og nese, og de geometriske former av viktige organer som øyne som klassifiseringsfunksjoner, men ytelsen til geometrisk funksjonsekstraksjon er testet eksperimentelt. Forskning, resultatene er ikke optimistiske.
Den deformerbare malmetoden kan betraktes som en forbedring av den geometriske funksjonsmetoden. Den grunnleggende ideen er å designe en orgelmodell med justerbare parametere (det vil si en deformerbar mal), definere en energifunksjon og minimere energifunksjonen ved å justere modellparametrene. Modellparametrene på dette tidspunktet brukes 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 empirisk, noe som er vanskelig å popularisere. Den andre er at optimaliseringsprosessen for energifunksjonen er veldig tidkrevende og vanskelig å bruke i praksis. Den parameterbaserte ansiktsrepresentasjonen 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 komponenter, og ignorerer lokale subtile funksjoner, noe som resulterer i tap av en del av informasjonen, som er mer egnet for grov klassifisering