Ismeri az arcfelismerési részvételi technológia három algoritmust?

Az arcfelismerési részvételi technológia először összegyűjti az arcinformációkat, és összehasonlítja azt a Face adatbázissal, amikor belép a gyalogos átjáró kapujába és kilép. Ha az összehasonlítás sikeres, akkor a kapu megnyílik. A menedzsment az arcfelismerésű részvételi ellátásvezérlő berendezések adatfelismerő részvételi ellátásának adat -összehasonlításán alapul, és a számítógépet háttérfeldolgozó eszközként használják a csatornavezérlő területre belépő és kilépő személyzet automatikus kezelésének teljes megvalósításához, valamint a Ugyanakkor gyorsan és automatikusan generálható a felhasználói regisztrációs rekord szerint. A hozzáférés -vezérlési nyilvántartások és jelentések exportálhatók különféle rendezési feltételek szerint, például a felhasználók által megkövetelt idő szerint, amely a vezetők számára kényelmes a rekordok lekérdezéséhez, és automatikus jelenléti rendszerként is felhasználható a belső személyzet számára.

A mainstream arcfelismerő jelenléti rendszerek alapvetően három kategóriába sorolhatók, nevezetesen: a geometriai jellemzőkön alapuló módszerek, a sablonokon és a modelleken alapuló módszereken alapuló módszerek.
1. A geometriai tulajdonságokon alapuló módszer egy korai és hagyományos módszer, és a jobb eredmények elérése érdekében általában más algoritmusokkal kell kombinálni.
2. A sablon-alapú módszerek feloszthatók a korrelációs illesztés, a saját felület módszerei, a lineáris diszkriminancia elemzési módszerek, a szinguláris érték bomlási módszerek, a neurális hálózati módszerek, a dinamikus kapcsolat-illesztési módszerek stb.
3. A modell-alapú módszerek magukban foglalják a rejtett Markov-modelleken, az aktív alakmodelleken és az aktív megjelenési modelleken alapuló módszereket.
Az emberi arc olyan részekből áll, mint a szem, az orr, a száj és az áll. Pontosan az ezen részek alakjának, méretének és szerkezetének különbségei miatt a világ minden emberi arca nagyon különbözik. Ezért ezen részek alakjának és szerkezeti kapcsolatának geometriai leírása felhasználható az arcfelismerési részvétel fontos jellemzőjeként.
A geometriai tulajdonságokat először az emberi arc profiljának leírására és felismerésére használták. Először is, a profilgörbe szerint számos kiemelkedő pontot határoznak meg, és ezekből a kiemelkedő pontokból származik a felismeréshez szükséges funkciókészletek, például a távolság, a szög stb. Jia et al. Az integrált vetítés a fokozatban a vonal közelében egy nagyon új módszer az oldalsó profiltérkép szimulálására.
A geometriai tulajdonságok felhasználásával az elülső arcfelismeréshez és a részvételi rendszerekhez általában kivonja a fontos jellemzők, például a szem, a száj és az orr, valamint a fontos szervek, például a szemek osztályozási tulajdonságainak geometriai alakjainak helyzetét, de a geometriai tulajdonságok pontossága volt kísérletileg tesztelték. Kutatás, az eredmények nem optimisták.
A deformálható sablon módszer a geometriai jellemző módszer javításának tekinthető. Alapvető ötlete: Tervezze meg a beállítható paraméterekkel rendelkező szervmodellt, határozza meg az energiafüggvényt, és minimalizálja az energiafüggvényt a modellparaméterek beállításával. Ebben az időben a modellparaméterek a szerv geometriai tulajdonságai.
Ennek a módszernek a gondolata nagyon jó, de két probléma van. Az egyik az, hogy az energiafunkció különféle költségeinek súlyozási együtthatóit csak a tapasztalatok határozzák meg, amelyet nehéz elősegíteni. A másik az, hogy az energiafunkció-optimalizálási folyamat nagyon időigényes és nehéz a gyakorlatban alkalmazni. Az arc reprezentációja elérheti az arc legfontosabb tulajdonságainak leírását, de sok előfeldolgozást és finom paraméter-kiválasztást igényel. Ugyanakkor az általános geometriai jellemzők használata csak az alkatrészek alapvető alakját és szerkezeti kapcsolatát írja le, figyelmen kívül hagyva a helyi finom jellemzőket. Az információk egy részének elvesztését okozza, amely jobban alkalmas a durva osztályozásra, és a meglévő szolgáltatáspont -észlelési technológia messze nem felel meg a követelményeknek a hatékonyság szempontjából, és a számítás mértéke szintén nagy.