Ar žinote tris veido atpažinimo lankomumo technologijos algoritmus?

Veido atpažinimo lankomumo technologija pirmiausia renka veido informaciją ir palygina ją su veido duomenų baze, kai lankomumo aparatas patenka ir išeina iš pėsčiųjų praėjimo. Jei palyginimas bus sėkmingas, atidaroma lankomumo mašina; Jei palyginimas nepavyks, lankomumo mašina nebus atidaryta; Valdymas grindžiamas vartotojo palyginimu su veido atpažinimo prieigos kontrolės įranga, o kompiuteris naudojamas kaip fono apdorojimo įrankis, kad būtų galima visiškai realizuoti automatinį personalo, įeinančio ir išeinančio iš kanalo valdymo srities, valdymą. Tuo pačiu metu, remiantis vartotojo registracijos įrašais, jis gali greitai ir automatiškai generuoti prieigos kontrolės įrašų ataskaitas, kurias galima eksportuoti pagal įvairias rūšiavimo sąlygas, tokias kaip laikas, o tai valdytojams patogu atlikti užklausų įrašus, taip pat gali būti naudojamas kaip kaip Automatinė vidaus personalo lankomumo sistema.

Pagrindinės veido atpažinimo lankomumo sistemos iš esmės gali būti suskirstytos į tris kategorijas, būtent: metodus, pagrįstus geometrinėmis savybėmis, metodais, pagrįstais šablonais ir metodais, pagrįstais modeliais.
1. Metodas, pagrįstas geometrinėmis savybėmis, yra ankstyvas ir tradicinis metodas, todėl paprastai reikia derinti su kitais algoritmais, kad būtų geresnių rezultatų;
2. Šabloną pagrįstus metodus galima suskirstyti į metodus, pagrįstus koreliacijos atitikimu, savivaldos metodais, linijinėmis diskriminuojančiomis analizės metodais, vienaskaitos vertės skilimo metodais, nervų tinklo metodais, dinaminio ryšio suderinimo metodais ir kt.
3. Modeliais pagrįsti metodai apima metodus, pagrįstus paslėptais Markovo modeliais, aktyvios formos modeliais ir aktyvių išvaizdos modeliais.
Geometrijos pagrindu pagrįsti metodai
Žmogaus veidą sudaro tokios dalys kaip akys, nosis, burna ir smakras. Būtent dėl ​​įvairių šių dalių formos, dydžio ir struktūros skirtumų kiekvienas žmogaus veidas pasaulyje yra labai skirtingas. Todėl šių dalių formos ir struktūrinio ryšio geometrinis aprašymas gali būti naudojamas kaip svarbus veido atpažinimo lankomumo bruožas.
Geometrinės savybės pirmiausia buvo naudojamos žmogaus veido profilio aprašyme ir atpažinimui. Pirmiausia pagal profilio kreivę buvo nustatyta keletas svarbiausių taškų, o atpažinimo bruožų metrikos rinkinys, pavyzdžiui, atstumas ir kampas, buvo gauti iš šių svarbiausių taškų. Tai labai novatoriškas metodas, kurį Jia ir kt. Imuliuokite šoninio profilio vaizdą pagal integruotą projekciją šalia linijos priekinės pilkos spalvos vaizde.
Naudojant geometrines ypatybes priekinio veido atpažinimo lankomumo sistemai, paprastai ištraukiama svarbių funkcijų taškų, tokių kaip akys, burnos ir nosies, pozicijos ir svarbių organų, tokių kaip akys kaip klasifikavimo ypatybės, geometrinės formos, tačiau buvo išbandytas geometrinių funkcijų ekstrahavimo veikimas eksperimentiškai. Tyrimai, rezultatai nėra optimistiški.
Deformuojamo šablono metodas gali būti laikomas geometrinio pobūdžio metodo patobulinimu. Pagrindinė jo idėja yra suprojektuoti vargonų modelį su reguliuojamais parametrais (tai yra deformuojamo šablono), apibrėžti energijos funkciją ir sumažinti energijos funkciją, koreguodami modelio parametrus. Šiuo metu modelio parametrai naudojami kaip organo geometrinės savybės.
Šio metodo idėja yra labai gera, tačiau yra dvi problemos. Viena yra tai, kad įvairių energijos funkcijos sąnaudų svorio koeficientus galima nustatyti tik empiriškai, o tai sunku išpopuliarinti. Kita yra tai, kad energijos funkcijos optimizavimo procesas yra labai daug laiko reikalaujantis ir sunkiai pritaikomas praktikoje. Parametrą pagrįstas veido vaizdas gali pasiekti svarbiausių veido ypatybių aprašymą, tačiau tam reikia daug išankstinio apdorojimo ir smulkaus parametrų pasirinkimo. Tuo pačiu metu bendrųjų geometrinių savybių naudojimas apibūdina tik pagrindinį komponentų formą ir struktūrinį ryšį, ignoruojant vietinius subtilius bruožus, todėl prarandama dalis informacijos, kuri labiau tinka grubiai klasifikuoti grubią klasifikaciją