Ismeri az arcfelismerési részvételi technológia három algoritmust?

Az arcfelismerési részvételi technológia először összegyűjti az arcinformációkat, és összehasonlítja azt a Face adatbázissal, amikor a jelenléti gép belép, és kilép a gyalogos átjárón. Ha az összehasonlítás sikeres, akkor a jelenléti gép kinyílik; Ha az összehasonlítás meghibásodik, a jelenléti gép nem nyílik meg; A menedzsment az arcfelismerésű részvételi ellátásvezérlő berendezések felhasználójának adat -összehasonlításán alapul, és a számítógépet háttérfeldolgozó eszközként használják a csatornavezérlő területre belépő és kilépő személyzet automatikus kezelésének teljes megvalósításához. Ugyanakkor a felhasználói regisztrációs nyilvántartások szerint gyorsan és automatikusan generálhat hozzáférési vezérlési nyilvántartási jelentéseket, amelyeket különféle válogatási feltételek szerint lehet exportálni, például az idő, amely a vezetők számára kényelmes a rekordok lekérdezésére, és felhasználható is. Automatikus jelenléti rendszer 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 általában más algoritmusokkal kell kombinálni, hogy jobb eredményeket érjen el;
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.
Geometria alapú módszerek
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 leírásában és felismerésében használták. Először is, a profilgörbe szerint számos kiemelkedő pontot határoztak meg, és ezekből a kiemelkedő pontokból származik a felismeréshez szükséges funkciókészletek, például a távolság és a szög. Ez egy nagyon innovatív módszer, amelyet Jia et al. Szimulálja az oldalsó profilképet az integrált vetítéssel az elülső szürke kép vonalának közelében.
A geometriai tulajdonságok felhasználásával a frontális arcfelismerő részvételi rendszer 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 tesztelték a geometriai tulajdonságok kitermelésének teljesítményét. kísérletileg. Kutatás, az eredmények nem optimisták.
A deformálható sablon módszer a geometriai jellemző módszer javításának tekinthető. Alapvető ötlete az állítható paraméterekkel (vagyis deformálható sablonnal) kidolgozott szervmodell kidolgozása, egy energiafüggvény meghatározása és az energiafüggvény minimalizálása a modellparaméterek beállításával. A modell paramétereit ebben az időben használják a szerv geometriai jellemzői.
Ennek a módszernek a gondolata nagyon jó, de két probléma van. Az egyik az, hogy az energiafüggvény különféle költségeinek súlyozási együtthatóit csak empirikusan lehet meghatározni, amelyet nehéz népszerűsíteni. A másik az, hogy az energiafunkció optimalizálási folyamata nagyon időigényes és nehéz a gyakorlatban alkalmazni. A paraméter-alapú arc-ábrázolás 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 tulajdonságokat, ami az információ egy részének elvesztését eredményezi, amely jobban alkalmas a durva osztályozásra