آیا سه الگوریتم فناوری حضور در تشخیص چهره را می دانید؟

فن آوری حضور در تشخیص چهره ابتدا اطلاعات چهره را جمع آوری می کند و هنگام ورود و خروج از گذرگاه عابر پیاده ، آن را با پایگاه داده Face مقایسه می کند. اگر مقایسه موفقیت آمیز باشد ، دستگاه حضور و غیاب باز می شود. در صورت عدم موفقیت ، دستگاه حضور و غیاب باز نمی شود. مدیریت مبتنی بر مقایسه داده های کاربر در تجهیزات کنترل دسترسی به تشخیص چهره است و از رایانه به عنوان ابزار پردازش پس زمینه برای تحقق کامل مدیریت خودکار پرسنل وارد و خارج از منطقه کنترل کانال استفاده می شود. در عین حال ، با توجه به سوابق ثبت نام کاربر ، می تواند به سرعت و به طور خودکار گزارش های کنترل کنترل دسترسی را تولید کند که می تواند با توجه به شرایط مرتب سازی مختلف مانند زمان صادر شود ، که برای مدیران راحت است که از سوابق پرس و جو کنند ، و همچنین می تواند از آن استفاده شود یک سیستم حضور خودکار برای کارکنان داخلی.

سیستم های حضور در تشخیص چهره اصلی اساساً می توانند به سه دسته طبقه بندی شوند ، یعنی: روشهای مبتنی بر ویژگی های هندسی ، روشهای مبتنی بر الگوهای و روشهای مبتنی بر مدل ها.
1. روش مبتنی بر ویژگی های هندسی یک روش اولیه و سنتی است و معمولاً باید با سایر الگوریتم ها ترکیب شود تا نتایج بهتری داشته باشد.
2. روشهای مبتنی بر الگوی را می توان بر اساس تطبیق همبستگی ، روشهای ویژه ، روشهای تجزیه و تحلیل تبعیض آمیز خطی ، روشهای تجزیه ارزش مفرد ، روشهای شبکه عصبی ، روشهای اتصال به اتصال پویا و غیره تقسیم کرد.
3. روشهای مبتنی بر مدل شامل روشهای مبتنی بر مدل های مخفی مارکوف ، مدل های شکل فعال و مدل های ظاهر فعال است.
روشهای مبتنی بر هندسه
صورت انسان از قسمت هایی مانند چشم ، بینی ، دهان و چانه تشکیل شده است. این دقیقاً به دلیل تفاوت های مختلف در شکل ، اندازه و ساختار این قسمت ها است که هر چهره انسانی در جهان بسیار متفاوت است. بنابراین ، توصیف هندسی شکل و رابطه ساختاری این قسمت ها ، می تواند به عنوان یک ویژگی مهم حضور در تشخیص چهره استفاده شود.
از ویژگی های هندسی برای اولین بار در توضیحات و شناخت مشخصات چهره انسان استفاده شد. اول ، تعدادی از نقاط برجسته با توجه به منحنی پروفایل تعیین شد و مجموعه ای از معیارهای ویژگی برای شناخت مانند فاصله و زاویه از این نقاط برجسته بدست آمد. این یک روش بسیار ابتکاری است که جیا و همکاران. تصویر مشخصات جانبی را با طرح انتگرال در نزدیکی خط در تصویر خاکستری فرونتال شبیه سازی کنید.
استفاده از ویژگی های هندسی برای سیستم حضور در تشخیص چهره جلو به طور کلی موقعیت های نقاط مهم ویژگی مانند چشم ، دهان و بینی و شکل های هندسی اندامهای مهم مانند چشم ها به عنوان ویژگی های طبقه بندی را استخراج می کند ، اما عملکرد استخراج ویژگی هندسی آزمایش شده است به صورت تجربی تحقیق ، نتایج خوش بین نیستند.
روش الگوی تغییر شکل را می توان به عنوان بهبود روش ویژگی هندسی در نظر گرفت. ایده اصلی آن طراحی یک مدل ارگان با پارامترهای قابل تنظیم (یعنی یک الگوی تغییر شکل) ، تعریف یک عملکرد انرژی و به حداقل رساندن عملکرد انرژی با تنظیم پارامترهای مدل است. پارامترهای مدل در این زمان به عنوان ویژگی های هندسی اندام استفاده می شود.
ایده این روش بسیار خوب است ، اما دو مشکل وجود دارد. یکی این است که ضرایب وزنی هزینه های مختلف در عملکرد انرژی فقط می تواند به صورت تجربی تعیین شود ، که محبوبیت آن دشوار است. مورد دیگر این است که فرآیند بهینه سازی عملکرد انرژی بسیار وقت گیر است و استفاده از آن در عمل دشوار است. بازنمایی چهره مبتنی بر پارامتر می تواند به توصیف ویژگی های برجسته صورت دست یابد ، اما به انتخاب پارامتر پیش پردازش و خوب نیاز دارد. در عین حال ، استفاده از ویژگی های هندسی عمومی فقط شکل و رابطه ساختاری اجزای سازنده را توصیف می کند ، از ویژگی های ظریف محلی نادیده گرفته می شود و در نتیجه از بین رفتن بخشی از اطلاعات ، که برای طبقه بندی خشن مناسب تر است