Hjem> Industri Nyheder> Kender du de tre algoritmer af ansigtsgenkendelsesdeltagelsesteknologi?

Kender du de tre algoritmer af ansigtsgenkendelsesdeltagelsesteknologi?

November 25, 2022

Ansigtsgenkendelse Deltagelsesteknologi indsamler først ansigtsinformation og sammenligner den med Face Database, når deltagelsesmaskinen kommer ind og forlader fodgængerforpasningen. Hvis sammenligningen er vellykket, åbnes deltagelsesmaskinen; Hvis sammenligningen mislykkes, åbnes deltagelsesmaskinen ikke; Ledelsen er baseret på datasammenligningen af ​​brugeren på ansigtsgenkendelse Deltagelsesadgangskontroludstyr, og computeren bruges som baggrundsbehandlingsværktøj til fuldt ud at realisere den automatiske styring af det personale, der kommer ind og forlade kanalkontrolområdet. På samme tid kan det i henhold til brugerregistreringsregistret hurtigt og automatisk generere adgangskontrolkursrapporter, der kan eksporteres i henhold til forskellige sorteringsbetingelser, såsom tid, hvilket er praktisk for ledere at forespørge poster, og kan også bruges som Et automatisk deltagelsessystem for internt personale.

Face Recognition Equipment

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 have 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.
Geometri-baserede metoder
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 i beskrivelsen og genkendelsen af ​​profilen af ​​det menneskelige ansigt. Først blev et antal fremtrædende punkter bestemt i henhold til profilkurven, og et sæt funktionsmetriks til genkendelse, såsom afstand og vinkel, blev afledt af disse fremtrædende punkter. Det er en meget innovativ metode, som Jia et al. Simulere sideprofilbilledet ved den integrerede projektion nær linjen i det frontale grå billede.
Brug af geometriske funktioner til frontal anerkendelsesdeltagelsessystem uddrager generelt positionerne af vigtige funktionspunkter, såsom øjne, mund og næse, og de geometriske former for vigtige organer, såsom øjne som klassificeringsfunktioner, men ydeevnen for geometrisk funktionsekstraktion er blevet testet Eksperimentelt. Forskning, resultaterne er ikke optimistiske.
Den deformerbare skabelonmetode kan betragtes som en forbedring af den geometriske funktionsmetode. Dens grundlæggende idé er at designe en orgelmodel med justerbare parametre (det vil sige en deformerbar skabelon), definere en energifunktion og minimere energifunktionen ved at justere modelparametrene. Modelparametrene på dette tidspunkt bruges 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 empirisk, hvilket er vanskeligt at popularisere. Den anden er, at optimeringsprocessen for energifunktionen er meget tidskrævende og vanskelig at anvende i praksis. Den parameterbaserede ansigtsrepræsentation kan opnå en beskrivelse af de fremtrædende træk i ansigtet, men det kræver en masse forbehandling og fine parametervalg. På samme tid beskriver brugen af ​​generelle geometriske træk kun den grundlæggende form og strukturelle forhold mellem komponenter, der ignorerer lokale subtile funktioner, hvilket resulterer i tab af en del af informationen, som er mere velegnet til grov klassificering
Kontakt os

Author:

Ms. Sienna

E-mail:

info@hfcctv.com

Phone/WhatsApp:

+8618696571680

Populære produkter
You may also like
Related Categories

Email til denne leverandør

Emne:
Mobiltelefon:
E-mail:
Besked:

Your message must be betwwen 20-8000 characters

Copyright © 2024 Shenzhen Bio Technology Co., Ltd Alle rettigheder forbeholdes.

Vi kontakter dig øjeblikkeligt

Udfyld mere information, så det kan komme i kontakt med dig hurtigere

Beskyttelseserklæring: Dit privatliv er meget vigtigt for os. Vores virksomhed lover ikke at videregive dine personlige oplysninger til ethvert udstrækning uden dine eksplicitte tilladelser.

Sende