Գիտեք դեմքի ճանաչման հաճախելիության տեխնոլոգիայի երեք ալգորիթմներին:

Դեմքի ճանաչման հաճախելիության տեխնոլոգիան նախ հավաքում է դեմքի տեղեկատվությունը եւ համեմատում այն ​​դեմքի տվյալների բազայի հետ, երբ հաճախելիության մեքենան մտնում եւ դուրս է գալիս հետիոտնային անցուղին: Եթե ​​համեմատությունը հաջող է, հաճախելիության մեքենան կբացվի. Եթե ​​համեմատությունը ձախողվի, հաճախելիության մեքենան չի բացվի. Կառավարումը հիմնված է օգտագործողի տվյալների համեմատության վրա `դեմքի ճանաչման հաճախելիության մուտքի հսկման սարքավորումների վրա, եւ համակարգիչը օգտագործվում է որպես ֆոնային մշակման գործիք` ալիքի կառավարման տարածք մուտք գործելու եւ դուրս գալու ավտոմատ կառավարում: Միեւնույն ժամանակ, ըստ օգտագործողի գրանցման գրառումների, այն կարող է արագ եւ ինքնաբերաբար առաջացնել մուտքի հսկման գրառումների հաշվետվություններ, որոնք կարող են արտահանվել ըստ ժամանակի տարբեր տեսակավորման պայմանների, որոնք կարող են օգտագործվել նաեւ ռեկորդների համար, ինչպես նաեւ կարող է օգտագործվել Ներքին անձնակազմի 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 արդյունքներ ունենալու 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:
Երկրաչափության 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 անգամ օգտագործվել են մարդու դեմքի պրոֆիլի նկարագրության եւ ճանաչման մեջ: Նախ, մի շարք ակնառու միավորներ որոշվել են պրոֆիլի կորի համաձայն, եւ ճանաչման համար մի շարք չափման չափանիշներ, ինչպիսիք են հեռավորությունը եւ անկյունը, բխում էին այս ակնառու կետերից: Դա շատ նորարարական մեթոդ է, որը and et al. Մանրացրեք կողային պրոֆիլի պատկերը `ճակատային մոխրագույն պատկերով տողի մոտակայքում գտնվող ինտեգրալ կանխատեսմամբ:
Առջեւի դեմքի ճանաչման հաճախելիության համակարգի համար երկրաչափական առանձնահատկություններ օգտագործելը ընդհանուր առմամբ արդյունահանվում է կարեւոր հատկությունների կետերի, ինչպիսիք են աչքերը, բերանը եւ քիթը եւ կարեւորագույն օրգանների երկրաչափական ձեւերը, ինչպիսիք են Աչքերը, որպես դասակարգման հատկություններ, բայց փորձարկվել է երկրաչափական խաղարկային արդյունահանումը փորձարարական: Հետազոտություններ, արդյունքները լավատես չեն:
Դեֆորմացված կաղապարի մեթոդը կարելի է համարել որպես երկրաչափական խաղարկային մեթոդի բարելավում: Դրա հիմնական գաղափարը կարգավորելի պարամետրերով օրգանների մոդել ձեւավորելն է (այսինքն `դեֆորմացված ձեւանմուշ), սահմանել էներգետիկ գործառույթ եւ նվազագույնի հասցնել էներգիայի գործառույթը` ճշգրտելով մոդելի պարամետրերը: Այս պահին մոդելի պարամետրերը օգտագործվում են որպես օրգանի երկրաչափական առանձնահատկություններ:
Այս մեթոդի գաղափարը շատ լավ է, բայց երկու խնդիր կա: Մեկն այն է, որ էներգետիկ գործառույթում տարբեր ծախսերի կշռող գործակիցները կարող են որոշվել միայն էմպիրիկ կերպով, ինչը դժվար է ժողովրդականացնել: Մյուսն այն է, որ էներգետիկ գործառույթի օպտիմիզացման գործընթացը շատ ժամանակատար է եւ դժվար է կիրառել գործնականում: Պարամետրերի վրա հիմնված դեմքի ներկայացուցչությունը կարող է հասնել դեմքի ակնառու հատկությունների նկարագրությանը, բայց դա պահանջում է շատ նախնական մշակման եւ նուրբ պարամետրերի ընտրություն: Միեւնույն ժամանակ, ընդհանուր երկրաչափական առանձնահատկությունների օգտագործումը նկարագրում է միայն բաղադրիչների հիմնական ձեւը եւ կառուցվածքային կապը, անտեսելով տեղական նուրբ առանձնահատկությունները, որի արդյունքում ավելի հարմար է կոպիտ դասակարգման