Kennen Sie die drei Algorithmen der Anerkennungstechnologie der Gesichtserkennung?

Die Technologie der Gesichtserkennungsanwendungen sammelt zunächst Gesichtsinformationen und vergleicht sie mit der Gesichtsdatenbank, wenn sie das Tor der Fußgängerpassage eingeben und verlassen. Wenn der Vergleich erfolgreich ist, wird das Tor geöffnet. Das Management basiert auf dem Datenvergleich des Benutzers in der Face Recognition Viewance Access Control -Geräte, und der Computer wird als Hintergrundverarbeitungswerkzeug verwendet, um die automatische Verwaltung des Personals, das in den Bereich der Kanalsteuerung eintritt, sowie an der Anbietung des Personals und dessen vollständig verwirklicht wird. Gleichzeitig kann es schnell und automatisch gemäß dem Benutzerregistrierungsdatensatz generiert werden. Zugriffskontrolldatensätze und -berichte können gemäß verschiedenen Sortierbedingungen exportiert werden, z. B. die Zeit, die von den Benutzern erforderlich sind, was für Manager bei Abfragen von Aufzeichnungen geeignet ist und auch als automatisches Anwesenheitssystem für interne Mitarbeiter verwendet werden kann.

Die Anwesenheitssysteme der Mainstream -Gesichtserkennung können grundsätzlich in drei Kategorien eingeteilt werden: Methoden, die auf geometrischen Merkmalen basieren, Methoden basierend auf Vorlagen und Methoden, die auf Modellen basieren.
1. Die Methode, die auf geometrischen Merkmalen basiert, ist eine frühe und traditionelle Methode und muss normalerweise mit anderen Algorithmen kombiniert werden, um bessere Ergebnisse zu erzielen.
2. Template-basierte Methoden können in Methoden unterteilt werden, die auf Korrelationsanpassungen, Eigenschaftenmethoden, linearen Diskriminanzanalysemethoden, Methoden zur Zerlegung von singulären Wert, Methoden für neuronale Netzwerke, Methoden für dynamische Verbindungsanalyse usw. unterteilt werden.
3. Modellbasierte Methoden umfassen Methoden, die auf versteckten Markov-Modellen, aktiven Formmodellen und aktiven Erscheinungsmodellen basieren.
Das menschliche Gesicht besteht aus Teilen wie Augen, Nase, Mund und Kinn. Genau aufgrund der verschiedenen Unterschiede in der Form, Größe und Struktur dieser Teile ist jedes menschliche Gesicht in der Welt sehr unterschiedlich. Daher kann die geometrische Beschreibung der Form und der strukturellen Beziehung dieser Teile als wichtiges Merkmal der Besucherzahl der Gesichtserkennung verwendet werden.
Geometrische Merkmale wurden zunächst verwendet, um das Profil des menschlichen Gesichts zu beschreiben und zu erkennen. Erstens werden eine Reihe von hervorstechenden Punkten gemäß der Profilkurve bestimmt, und eine Reihe von Merkmalsmetriken für die Erkennung wie Entfernung, Winkel usw. werden von diesen herausragenden Punkten abgeleitet. Jia et al. Die integrale Projektion in der Nähe der Linie in der Gradkarte ist eine sehr neuartige Methode, um die Seitenprofilkarte zu simulieren.
Die Verwendung geometrischer Merkmale für die Anteilssysteme für die Erkennung von Frontalgesicht und Anwesenheit extrahieren im Allgemeinen die Positionen wichtiger Merkmalspunkte wie Augen, Mund und Nase sowie die geometrischen Formen wichtiger Organe wie Augen als Klassifizierungsmerkmale, aber die Genauigkeit der geometrischen Merkmalextraktion war jedoch experimentell getestet. Forschung, die Ergebnisse sind nicht optimistisch.
Die verformbare Vorlagenmethode kann als Verbesserung der geometrischen Merkmalsmethode angesehen werden. Seine Grundidee ist: Entwerfen Sie ein Organmodell mit einstellbaren Parametern, definieren Sie eine Energiefunktion und minimieren die Energiefunktion, indem die Modellparameter eingestellt werden. Zu diesem Zeitpunkt sind die Modellparameter als geometrische Merkmale des Organs.
Die Idee dieser Methode ist sehr gut, aber es gibt zwei Probleme. Eine davon ist, dass die Gewichtungskoeffizienten verschiedener Kosten in der Energiefunktion nur durch Erfahrung bestimmt werden können, was schwer zu fördern ist. Das andere ist, dass der Prozess der Energiefunktionoptimierung sehr zeitaufwändig und in der Praxis schwer zu bewerben ist. Die Gesichtsdarstellung kann eine Beschreibung der herausragenden Merkmale des Gesichts erreichen, erfordert jedoch eine Menge Vorverarbeitung und feiner Parameterauswahl. Gleichzeitig beschreibt die Verwendung allgemeiner geometrischer Merkmale nur die grundlegende Form und die strukturelle Beziehung von Teilen und ignoriert lokale subtile Merkmale. Es verursacht den Verlust eines Teils der Informationen, die eher für die grobe Klassifizierung geeignet sind, und die vorhandene Technologie zur Erkennung von Merkmalen ist in Bezug auf die Effizienz bei weitem nicht erfüllt, und die Berechnung ist ebenfalls groß.