Kent u de drie algoritmen van de aanwezigheidstechnologie van gezichtsherkenning?

Face Recognition Attovering Technology verzamelt eerst gezichtsinformatie en vergelijkt deze met de Face -database wanneer de aanwezigheidsmachine de voetgangersading binnengaat en verlaat. Als de vergelijking succesvol is, wordt de aanwezigheidsmachine geopend; Als de vergelijking mislukt, wordt de aanwezigheidsmachine niet geopend; Het management is gebaseerd op de gegevensvergelijking van de gebruiker op de gezichtsherkenning Apparatuur voor toegangscontrole en de computer wordt gebruikt als het hulpmiddel voor de achtergrondverwerking om het automatische beheer van het personeel dat het kanaalbesturingsgebied binnenkomt en verlaat volledig te realiseren. Tegelijkertijd kan het volgens de gebruikersregistratie -records snel en automatisch toegangscontroles -rapporten genereren die kunnen worden geëxporteerd volgens verschillende sorteeromstandigheden zoals tijd, wat handig is voor managers om records op te vragen en ook kan worden gebruikt als Een automatisch aanwezigheidssysteem voor intern personeel.

De reguliere aanwezigheidssystemen voor gezichtsherkenning kunnen in principe worden ingedeeld in drie categorieën, namelijk: methoden op basis van geometrische functies, methoden op basis van sjablonen en methoden op basis van modellen.
1. De methode op basis van geometrische kenmerken is een vroege en traditionele methode en moet meestal worden gecombineerd met andere algoritmen om betere resultaten te hebben;
2. Template-gebaseerde methoden kunnen worden onderverdeeld in methoden op basis van correlatie-matching, Eigenface-methoden, lineaire discriminantanalysemethoden, methoden voor singulaire waarde, neurale netwerkmethoden, dynamische verbindingsafwijkingsmethoden, enz.
3. Modelgebaseerde methoden omvatten methoden op basis van verborgen Markov-modellen, actieve vormmodellen en actieve uiterlijkmodellen.
Op geometrie gebaseerde methoden
Het menselijke gezicht bestaat uit delen zoals ogen, neus, mond en kin. Het is juist vanwege de verschillende verschillen in de vorm, grootte en structuur van deze delen die elk menselijk gezicht in de wereld heel anders is. Daarom kan de geometrische beschrijving van de vorm en structurele relatie van deze delen worden gebruikt als een belangrijk kenmerk van aanwezigheid van gezichtsherkenning.
Geometrische kenmerken werden voor het eerst gebruikt in de beschrijving en herkenning van het profiel van het menselijke gezicht. Ten eerste werden een aantal opvallende punten bepaald volgens de profielcurve, en een reeks functiestatistieken voor herkenning, zoals afstand en hoek, werden afgeleid van deze opvallende punten. Het is een zeer innovatieve methode die Jia et al. Simuleer het zijprofielbeeld door de integrale projectie nabij de lijn in de frontale grijze afbeelding.
Het gebruik van geometrische kenmerken voor het aanwezigheidssysteem voor frontale gezichtsherkenning extraheert in het algemeen de posities van belangrijke functiepunten zoals ogen, mond en neus, en de geometrische vormen van belangrijke organen zoals ogen als classificatiefuncties, maar de prestaties van geometrische functie -extractie zijn getest experimenteel. Onderzoek, de resultaten zijn niet optimistisch.
De vervormbare sjabloonmethode kan worden beschouwd als een verbetering van de geometrische kenmerkmethode. Het basisidee is om een ​​orgelmodel te ontwerpen met instelbare parameters (dat wil zeggen een vervormbare sjabloon), een energiefunctie definiëren en de energiefunctie minimaliseren door de modelparameters aan te passen. De modelparameters worden op dit moment gebruikt als de geometrische kenmerken van het orgel.
Het idee van deze methode is erg goed, maar er zijn twee problemen. Een daarvan is dat de wegingscoëfficiënten van verschillende kosten in de energiefunctie alleen empirisch kunnen worden bepaald, wat moeilijk te populair is. De andere is dat het optimalisatieproces van de energiefunctie zeer tijdrovend is en in de praktijk moeilijk toe te passen is. De op parameter gebaseerde gezichtsrepresentatie kan een beschrijving bereiken van de opvallende kenmerken van het gezicht, maar het vereist veel voorverwerking en fijne parameterselectie. Tegelijkertijd beschrijft het gebruik van algemene geometrische kenmerken alleen de basisvorm en de structurele relatie van componenten, waarbij lokale subtiele kenmerken worden genegeerd, wat resulteert in het verlies van een deel van de informatie, dat meer geschikt is voor ruwe classificatie