حضور در تشخیص چهره چگونه بین چهره ها و عکس ها تمایز قائل می شود؟

فن آوری حضور در زمان تشخیص چهره وسیله ای است که دستگاه از طریق دوربین تصاویر را به دست می آورد و شناسایی انسان را انجام می دهد. این فناوری عمدتاً در تشخیص هویت مانند امور مالی ، قفل تلفن همراه ، کنترل دسترسی و پرداخت چهره در خرید و غیره مورد استفاده قرار می گیرد. عملکرد شناسایی شخص واقعی به طور طبیعی چهره دستگاه است. اگر این یک عکس باشد ، زیرا از نظر هواپیما همان چهره انسان است ، چگونه می توان از مشکل کلاهبرداری در جایگزینی چهره واقعی با یک عکس جلوگیری کرد.

در حین شناخت ، کاربر فقط باید برای همکاری با عمل ، مانند تعمیر ، بیان خاصی را انجام دهد ، یک بیان خاص را ایجاد کند ، زیرا دستیابی به چنین یک عمل خاص در عکس دشوار است و بنابراین می تواند از کلاهبرداری عکس جلوگیری کند ، طبق تحقیقات حضور در تشخیص چهره مطابق با اعتراف پرسنل ، تشخیص چشمک زدن روشی بسیار قابل اعتماد است.
به منظور کاهش میزان خطا در سیستم تشخیص چهره و حضور در سیستم ، سیستم اطلاعات عمق را در الگوریتم تشخیص چهره مورد استفاده در عکاسی موجود اعمال می کند ، و هوشمندانه اندازه پنجره صورت را با توجه به مختصات عمق پنجره صورت ، مقیاس می دهد. دورتر صورت از دوربین است ، اطراف قاب ضبط کوچکتر است.
این روش از پرتوهای مادون قرمز ویژه برای طرح نقشه تابش نور بر روی صحنه استفاده می کند ، که سپس به نقشه عمق تبدیل می شود ، و در حالی که سیستم می تواند بیشتر چهره ها را شناسایی کند ، فاقد توانایی شناسایی اختلافات بین چهره های فردی است ، بنابراین بیومتریک نیست به جای یک راه حل به خودی خود ، می تواند به یک مرحله بینش بحرانی در سیستم احراز هویت گسترده تر تبدیل شود.
با استفاده از اطلاعات عمق برای تشخیص چهره در جریان های ویدیویی دیجیتال ، در یک صحنه ، اگر چندین نفر وجود داشته باشد ، می توان با توجه به فاصله افراد مختلف از لنز ، چهره را شکست داد. حضور در تشخیص چهره عمومی در واقع شامل ساخت حضور در شناخت چهره مجموعه ای از فن آوری های مرتبط با سیستم ، از جمله دستیابی به تصویر چهره ، موقعیت یابی چهره ، پیش پردازش حضور در چهره ، تأیید هویت و جستجوی هویت و غیره و حضور در تشخیص چهره در یک حضور در یک حس باریک به تأیید هویت یا جستجوی هویت از طریق فناوری یا سیستم چهره اشاره دارد.
تشخیص زندگی روشی برای تعیین ویژگی های فیزیولوژیکی واقعی اشیاء در برخی از سناریوهای تأیید هویت است. تشخیص زندگی عمدتاً به دو نوع ، تشخیص زندگی تعاونی و تشخیص زندگی غیر تعاونی تقسیم می شود.
1. تشخیص زندگی تعاونی: سیستم تشخیص چهره برخی از اقدامات فرمان تصادفی مانند چشمک زدن ، چرخاندن سر و باز کردن دهان را ارسال می کند.
2. تشخیص زندگی غیر تعاونی: دوربین مادون قرمز تصاویر را برای تشخیص تصفیه شده جمع می کند و این فرایند نیازی به همکاری با هرگونه اقدامات مشخص ندارد.
در اینجا من در مورد تفاوت بین دوربین های مادون قرمز و دوربین های معمولی صحبت خواهم کرد. در مقایسه با دوربین های معمولی ، بزرگترین تفاوت بین دوربین های مادون قرمز و دوربین های معمولی تفاوت در منبع نور است. اول از همه ، برای تصویربرداری از دوربین ها ، نور بر روی اشیاء تابش می شود ، پراکندگی پراکندگی رخ می دهد ، و بخشی از نور را منعکس می کند که توسط لنز دریافت می شود تا روی سطح سنسور تصویر تمرکز کند و سپس به یک سیگنال الکتریکی تبدیل شود ، پس از (A/D) تبدیل آنالوگ به دیجیتال ، به یک سیگنال تصویر دیجیتال تبدیل شده و سپس برای پردازش به تراشه پردازش سیگنال دیجیتال ارسال می شود و در نهایت از طریق USB رابط به سیستم منتقل می شود و در نهایت در آن نمایش داده می شود نظارت
در مقایسه با دوربین های معمولی ، بزرگترین تفاوت بین دوربین های مادون قرمز و دوربین های معمولی منبع نور است. منبع نور دوربین های معمولی از نور مرئی ، یعنی نور خورشید است. لامپ مادون قرمز داخلی پرتوهای مادون قرمز را منتشر می کند ، که به طور پراکنده پراکنده و پس از تابش روی جسم توسط دوربین دریافت می شوند.
1. اصل تصویربرداری
ما می دانیم که آیا نور قابل مشاهده است یا مادون قرمز ، جوهر اصلی امواج الکترومغناطیسی است. تصویری که در نهایت می بینیم مربوط به خصوصیات بازتاب سطح مواد است. چهره ها و کاغذهای واقعی انسان ، صفحه نمایش ، ماسک های سه بعدی و سایر رسانه های حمله ویژگی های بازتاب همه متفاوت هستند ، بنابراین تصویربرداری نیز متفاوت است و این تفاوت در بازتاب موج مادون قرمز آشکارتر خواهد بود. به عنوان مثال ، در تصویربرداری مادون قرمز از یک صفحه نمایش ، فقط یک تکه از گلهای سفید وجود دارد ، حتی یک چهره انسان نیز وجود ندارد. ، به گونه ای که از سوءاستفاده جلوگیری شود.
2. الگوریتم داخلی
با توجه به روش جریان نوری ، از تغییر زمانی و همبستگی داده های شدت پیکسل در دنباله تصویر برای تعیین حرکت موقعیت های پیکسل مربوطه استفاده می شود و اطلاعات در حال اجرا هر نقطه پیکسل از دنباله تصویر به دست می آید ، با استفاده از گاوسی فیلتر اختلاف ، ویژگی های LBP و بردارهای پشتیبانی در همان زمان ، میدان جریان نوری به حرکت اشیاء حساس است و می توان از میدان جریان نوری برای تشخیص یکنواخت حرکت چشم و چشمک زدن استفاده کرد. این روش تشخیص زنده می تواند بدون همکاری کاربر به تشخیص کور دست یابد.
سایر روشهای داوری شامل تشخیص چهره سه بعدی است که از دوربین سه بعدی برای شلیک چهره استفاده می کند ، داده های به دست آمده توسط دوربین را ادغام می کند ، صورت را سنتز می کند ، آن را تجزیه و تحلیل می کند و در نهایت قضاوت می کند که آیا این یک چهره واقعی است یا یک عکس.