Գիտեք դեմքի ճանաչման հաճախելիության տեխնոլոգիայի երեք ալգորիթմներին:

Դեմքի ճանաչման հաճախելիության տեխնոլոգիան առաջին հերթին հավաքում է դեմքի տեղեկատվություն եւ այն համեմատում է դեմքի տվյալների բազայի հետ `հետիոտնային անցման դարպասը մուտք գործելիս եւ դուրս գալիս: Եթե ​​համեմատությունը հաջող է, դարպասը բացվում է: Կառավարումը հիմնված է օգտագործողի տվյալների համեմատության վրա `դեմքի ճանաչման հաճախելիության մուտքի մուտքի վերահսկման սարքավորումների վրա, եւ համակարգիչը օգտագործվում է որպես ֆոնային մշակման գործիք` ալիքի կառավարման տարածք մուտք գործելու եւ դուրս գալու ավտոմատ կառավարումն ամբողջությամբ Միեւնույն ժամանակ, այն կարող է արագ եւ ինքնաբերաբար առաջանալ ըստ օգտագործողի գրանցման գրառման: Մուտքի հսկման գրառումներն ու հաշվետվությունները կարող են արտահանվել ըստ օգտագործողների պահանջվող տարբեր տեսակավորման պայմանների, որոնք հարմար են ղեկավարների համար, ինչպես նաեւ կարող է օգտագործվել որպես ներքին աշխատակազմի ավտոմատ հաճախելիության համակարգ:

Դեմքի ճանաչման հիմնական հաճախելիության համակարգերը հիմնականում կարող են դասակարգվել երեք կատեգորիայի, մասնավորապես `երկրաչափական առանձնահատկությունների հիման վրա, ձեւանմուշների եւ մեթոդների հիման վրա մեթոդներ:
1. Երկրաչափական առանձնահատկությունների վրա հիմնված մեթոդը վաղ եւ ավանդական մեթոդ է, եւ սովորաբար անհրաժեշտ է համակցվել այլ ալգորիթմների հետ `ավելի լավ արդյունքների հասնելու համար:
2. Կաղապարի վրա հիմնված մեթոդները կարող են բաժանվել մեթոդների, որոնք հիմնված են հարաբերակցության համապատասխանության, Eigenface մեթոդների, գծային տարբերակների վերլուծության մեթոդների, եզակի ցանցի տարրալուծման մեթոդների, դինամիկ ցանցի համապատասխանության մեթոդներ եւ այլն:
3. Մոդելների վրա հիմնված մեթոդները ներառում են Թաքնված Մարկովի մոդելների, ակտիվ ձեւի մոդելների եւ արտաքին տեսքի մոդելների վրա հիմնված մեթոդներ:
Մարդու դեմքը կազմված է այնպիսի մասերից, ինչպիսիք են աչքերը, քիթը, բերանը եւ կզակը: Հենց այս մասերի ձեւի, չափի եւ կառուցվածքի տարբեր տարբերությունների պատճառով է, որ աշխարհի յուրաքանչյուր մարդկային դեմք շատ տարբեր է: Հետեւաբար, այս մասերի ձեւի եւ կառուցվածքային հարաբերությունների երկրաչափական նկարագրությունը կարող է օգտագործվել որպես դեմքի ճանաչման հաճախելիության կարեւոր հատկություն:
Երկրաչափական առանձնահատկություններն առաջին հերթին օգտագործվել են մարդու դեմքի պրոֆիլը նկարագրելու եւ ճանաչելու համար: Նախ, մի շարք ակնառու միավորներ որոշվում են ըստ պրոֆիլային կորի, եւ հեռավորության, անկյունի եւ այլն ճանաչման համար հատկությունների չափման չափանիշներ: Ja et al. Դասընթացի քարտեզի գծի գրեթե ինտեգրալ կանխատեսումը շատ նոր մեթոդ է `կողմնակի պրոֆիլային քարտեզը մոդելավորելու համար:
Առջեւի դեմքի ճանաչման եւ հաճախելիության համակարգերի համար երկրաչափական առանձնահատկություններ օգտագործելը հիմնականում արդյունահանում է կարեւոր առանձնահատկությունների դիրքերը, ինչպիսիք են աչքերը, բերանը եւ քիթը եւ կարեւոր օրգանների երկրաչափական ձեւերը, ինչպիսիք են Աչքերը, որպես դասակարգման առանձնահատկություններ, բայց եղել է երկրաչափական խաղարկային արդյունահանումը փորձարարորեն փորձարկվել է: Հետազոտություններ, արդյունքները լավատես չեն:
Դեֆորմացված կաղապարի մեթոդը կարելի է համարել որպես երկրաչափական խաղարկային մեթոդի բարելավում: Դրա հիմնական գաղափարը հետեւյալն է. Կազմեք օրգանների մոդել կարգավորելի պարամետրերով, սահմանեք էներգիայի գործառույթը եւ նվազագույնի հասցրեք էներգիայի գործառույթը `կարգավորելով մոդելի պարամետրերը: Այս պահին մոդելի պարամետրերը որպես օրգանի երկրաչափական առանձնահատկություններ են:
Այս մեթոդի գաղափարը շատ լավ է, բայց երկու խնդիր կա: Մեկն այն է, որ էներգետիկ գործառույթում տարբեր ծախսերի կշռող գործակիցները կարող են որոշվել միայն փորձով, ինչը դժվար է խթանել: Մյուսն այն է, որ էներգիայի գործառույթի օպտիմիզացման գործընթացը շատ ժամանակատար է եւ դժվար է կիրառել գործնականում: Դեմքի ներկայացուցչությունը կարող է հասնել դեմքի ակնառու հատկությունների նկարագրությանը, բայց դա պահանջում է շատ նախամշակման եւ նուրբ պարամետրերի ընտրություն: Միեւնույն ժամանակ, ընդհանուր երկրաչափական առանձնահատկությունների օգտագործումը նկարագրում է մասերի հիմնական ձեւը եւ կառուցվածքային կապը, անտեսելով տեղական նուրբ հատկությունները: Դա առաջացնում է տեղեկատվության մի մասի կորուստ, որն ավելի հարմար է կոպիտ դասակարգման համար, եւ առկա խաղային կետի հայտնաբերման տեխնոլոգիան հեռու է արդյունավետության առումով պահանջները բավարարելուց, եւ հաշվարկման չափը նույնպես մեծ է: