Kender du de tre algoritmer af ansigtsgenkendelsesdeltagelsesteknologi?

Ansigtsgenkendelsesdeltagelsesteknologien indsamler først ansigtsinformation og sammenligner den med Face Database, når du går ind og afslutter porten til fodgængerpassagen. Hvis sammenligningen er vellykket, åbnes porten. Ledelsen er baseret på datasammenligningen af ​​brugeren på ansigtets genkendelsesadgangsadgangskontroludstyr, og computeren bruges som baggrundsbehandlingsværktøj til fuldt ud at realisere den automatiske styring af det personale, der kommer ind og forlade kanalkontrolområdet, og på På samme tid kan det hurtigt og automatisk genereres i henhold til brugerregistreringsrekorden. Adgangskontroller og rapporter kan eksporteres i henhold til forskellige sorteringsbetingelser, såsom tid, der kræves af brugere, hvilket er praktisk for ledere at forespørge poster, og kan også bruges som et automatisk deltagelsessystem for internt personale.

Mainstream ansigtsgenkendelsesdeltagelsessystemer kan dybest set klassificeres i tre kategorier, nemlig: metoder baseret på geometriske funktioner, metoder baseret på skabeloner og metoder baseret på modeller.
1. Metoden baseret på geometriske funktioner er en tidlig og traditionel metode og skal normalt kombineres med andre algoritmer for at opnå bedre resultater.
2. Skabelonbaserede metoder kan opdeles i metoder baseret på korrelationsmatchning, egenface-metoder, lineære diskriminerende analysemetoder, nedbrydningsmetoder for entalværdi, neurale netværksmetoder, dynamiske forbindelsesmatchingmetoder osv.
3. Modelbaserede metoder inkluderer metoder baseret på skjulte Markov-modeller, aktive formmodeller og aktive udseende modeller.
Det menneskelige ansigt er sammensat af dele såsom øjne, næse, mund og hage. Det er netop på grund af de forskellige forskelle i form, størrelse og struktur af disse dele, som ethvert menneskeligt ansigt i verden er meget anderledes. Derfor kan den geometriske beskrivelse af formen og den strukturelle forhold mellem disse dele bruges som et vigtigt træk ved deltagelse i ansigtsgenkendelse.
Geometriske træk blev først brugt til at beskrive og genkende profilen for det menneskelige ansigt. For det første bestemmes et antal fremtrædende punkter i henhold til profilkurven, og et sæt funktionsmetrik til genkendelse såsom afstand, vinkel osv. Er afledt af disse fremtrædende punkter. Jia et al. Den integrerede projektion nær linjen på gradskortet er en meget ny metode til at simulere sideprofilkortet.
Brug af geometriske funktioner til frontal ansigtsgenkendelse og deltagelsessystemer udtrækker generelt positionerne af vigtige funktionspunkter såsom øjne, mund og næse og de geometriske former for vigtige organer som øjne som klassificeringsfunktioner, men nøjagtigheden af ​​geometrisk funktionsekstraktion har været Eksperimentelt testet. Forskning, resultaterne er ikke optimistiske.
Den deformerbare skabelonmetode kan betragtes som en forbedring af den geometriske funktionsmetode. Dens grundlæggende idé er: Design en orgelmodel med justerbare parametre, definere en energifunktion og minimere energifunktionen ved at justere modelparametrene. På dette tidspunkt er modelparametrene som de geometriske træk ved organet.
Ideen om denne metode er meget god, men der er to problemer. Den ene er, at vægtningskoefficienterne for forskellige omkostninger i energifunktionen kun kan bestemmes af erfaring, hvilket er vanskeligt at fremme. Den anden er, at energifunktionsoptimeringsprocessen er meget tidskrævende og vanskelig at anvende i praksis. Ansigtsrepræsentation kan opnå en beskrivelse af de fremtrædende træk i ansigtet, men det kræver en masse forbehandling og fin parameterudvælgelse. På samme tid beskriver brugen af ​​generelle geometriske træk kun den grundlæggende form og strukturelle forhold mellem dele og ignorerer lokale subtile funktioner. Det medfører tabet af en del af informationen, som er mere velegnet til grov klassificering, og den eksisterende funktion af funktionspunkt er detektionsteknologi langt fra at opfylde kravene med hensyn til effektivitet, og beregningen er også stor.