Vai jūs zināt trīs sejas atpazīšanas apmeklējumu tehnoloģijas algoritmus?

Sejas atpazīšanas apmeklējumu tehnoloģija vispirms apkopo sejas informāciju un salīdzina to ar sejas datu bāzi, kad apmeklējumu mašīna nonāk un iziet no gājēju eju. Ja salīdzinājums būs veiksmīgs, apmeklējumu mašīna tiks atvērta; Ja salīdzinājums neizdodas, apmeklējumu mašīna netiks atvērta; Pārvaldības pamatā ir lietotāja datu salīdzinājums ar sejas atpazīšanas apmeklējumu piekļuves kontroles aprīkojumu, un dators tiek izmantots kā fona apstrādes rīks, lai pilnībā realizētu personāla automātisku pārvaldību, kas ievada un iziet no kanāla vadības zonas. Tajā pašā laikā, saskaņā ar lietotāja reģistrācijas ierakstiem, tas var ātri un automātiski ģenerēt piekļuves kontroles ierakstu pārskatus, kurus var eksportēt atbilstoši dažādiem šķirošanas nosacījumiem, piemēram, laikam, kas vadītājiem ir ērti vaicājumam, un to var izmantot arī šādi Automātiska iekšējā personāla apmeklējumu sistēma.

Galvenās sejas atpazīšanas apmeklējumu sistēmas pamatā var iedalīt trīs kategorijās, proti: metodes, kuru pamatā ir ģeometriskās pazīmes, metodes, kuru pamatā ir veidnes un metodes, kuru pamatā ir modeļi.
1. Metode, kas balstīta uz ģeometriskām iezīmēm, ir agrīna un tradicionāla metode, un parasti tā ir jāapvieno ar citiem algoritmiem, lai būtu labāki rezultāti;
2. Uz veidni balstītas metodes var iedalīt metodēs, kuru pamatā ir korelācijas saskaņošana, pašu virsmas metodes, lineāras diskriminējošas analīzes metodes, vienskaitļa vērtības sadalīšanās metodes, neironu tīkla metodes, dinamiskās savienojuma saskaņošanas metodes utt.
3. Uz modeli balstītas metodes ietver metodes, kuru pamatā ir slēpti Markova modeļi, aktīvās formas modeļi un aktīvā izskata modeļi.
Uz ģeometriju balstītas metodes
Cilvēka seju veido tādas daļas kā acis, deguns, mute un zods. Tieši tāpēc, ka ir dažādas atšķirības šo daļu formā, lielumā un struktūrā, katrs cilvēks sejā pasaulē ir ļoti atšķirīgs. Tāpēc šo daļu formas un strukturālo attiecību ģeometrisko aprakstu var izmantot kā svarīgu sejas atpazīšanas apmeklējuma iezīmi.
Ģeometriskās pazīmes vispirms tika izmantotas cilvēka sejas profila aprakstā un atpazīšanā. Vispirms tika noteikti vairāki nozīmīgi punkti saskaņā ar profila līkni, un no šiem nozīmīgajiem punktiem tika iegūts pazīmju rādītāju kopums, piemēram, attālums un leņķis. Tā ir ļoti novatoriska metode, ka Jia et al. Simulējiet sānu profila attēlu pēc neatņemamas projekcijas netālu no līnijas frontālā pelēkā attēlā.
Izmantojot ģeometriskās pazīmes frontālās sejas atpazīšanas apmeklēšanas sistēmai, parasti tiek iegūti tādu svarīgu pazīmju punktu pozīcijas kā acis, mute un deguns, kā arī svarīgu orgānu, piemēram, acu kā klasifikācijas funkciju, ģeometriskās formas, bet ģeometriskās pazīmes ekstrakcijas veiktspēja ir pārbaudīta eksperimentāli. Pētījumi, rezultāti nav optimistiski.
Deformējamo veidnes metodi var uzskatīt par ģeometriskās pazīmes metodes uzlabojumu. Tās pamatideja ir projektēt orgānu modeli ar regulējamiem parametriem (tas ir, deformējamu veidni), definēt enerģijas funkciju un samazināt enerģijas funkciju, pielāgojot modeļa parametrus. Modeļa parametri šajā laikā tiek izmantoti kā orgāna ģeometriskās pazīmes.
Šīs metodes ideja ir ļoti laba, taču ir divas problēmas. Pirmkārt, dažādu enerģijas funkcijas izmaksu svēršanas koeficientus var noteikt tikai empīriski, kurus ir grūti popularizēt. Otrs ir tas, ka enerģijas funkcijas optimizācijas process ir ļoti laikietilpīgs un grūti piemērojams praksē. Uz parametru balstītā sejas attēlojums var sasniegt sejas ievērojamo īpašību aprakstu, taču tas prasa daudz iepriekšējas apstrādes un smalku parametru izvēli. Tajā pašā laikā vispārējo ģeometrisko pazīmju izmantošana apraksta tikai komponentu pamata formu un strukturālās attiecības, ignorējot vietējās smalkās pazīmes, kā rezultātā tiek zaudēta daļa informācijas, kas ir piemērotāka aptuvenai klasifikācijai