Знаете ли трите алгоритъма на технологията за присъствие на разпознаване на лица?

Технологията за присъствие на разпознаване на лица първо събира информация за лицето и я сравнява с базата данни на лицето при влизане и излизане от портата на пешеходния проход. Ако сравнението е успешно, портата се отваря. Ръководството се основава на сравнението на данните на потребителя на оборудването за контрол на достъпа до разпознаване на лица, а компютърът се използва като инструмент за обработка на фона, за да се реализира напълно автоматичното управление на персонала, който влиза и излиза от зоната за контрол на канала и в В същото време той може да бъде бързо и автоматично генериран според записа за регистрация на потребителя. Записите за контрол на достъпа и отчетите могат да бъдат експортирани според различни условия за сортиране, като време, изисквани от потребителите, което е удобно за мениджърите да заявят записи, а също така могат да се използват като автоматична система за посещаемост на вътрешния персонал.

Основните системи за посещение на разпознаване на лица могат да бъдат класифицирани в три категории, а именно: методи, базирани на геометрични характеристики, методи, базирани на шаблони и методи, базирани на модели.
1. Методът, базиран на геометрични характеристики, е ранен и традиционен метод и обикновено трябва да се комбинира с други алгоритми, за да се постигнат по -добри резултати.
2. Методите, базирани на шаблони, могат да бъдат разделени на методи, базирани на съвпадение на корелация, методи за собствена повърхност, методи за линеен дискриминантна анализа, методи за разлагане на единична стойност, методи на невронна мрежа, методи за съвпадение на динамична връзка и др.
3. Модели, базирани на модели, включват методи, базирани на скрити модели на Марков, модели на активна форма и модели на активен външен вид.
Човешкото лице е съставено от части като очи, нос, уста и брадичка. Именно поради различните разлики във формата, размера и структурата на тези части всяко човешко лице в света е много различно. Следователно, геометричното описание на формата и структурната връзка на тези части може да се използва като важна характеристика на присъствието на разпознаване на лица.
Геометричните характеристики първо бяха използвани за описание и разпознаване на профила на човешкото лице. Първо, редица забележителни точки се определят според кривата на профила и набор от показатели за разпознаване на разпознаване като разстояние, ъгъл и др. От тези забележителни точки. Jia et al. Интегралната проекция в близост до линията в картата на степента е много нов метод за симулиране на картата на страничния профил.
Използването на геометрични характеристики за фронтални системи за разпознаване и посещаемост обикновено извлича позициите на важни точки от характеристики като очи, уста и нос и геометрични форми на важни органи като очи като характеристики на класификация, но точността на извличането на геометрични характеристики е била експериментално тестван. Изследвания, резултатите не са оптимистични.
Методът за деформируем шаблон може да се разглежда като подобрение на метода на геометричната характеристика. Основната му идея е: Проектиране на модел на орган с регулируеми параметри, дефинирайте енергийна функция и минимизирайте енергийната функция, като регулирате параметрите на модела. По това време параметрите на модела са като геометрични характеристики на органа.
Идеята за този метод е много добра, но има два проблема. Едното е, че коефициентите на претегляне на различните разходи в енергийната функция могат да бъдат определени само от опит, което е трудно да се насърчи. Другото е, че процесът на оптимизация на енергийните функции е много отнемащ време и е труден за прилагане на практика. Представянето на лицето може да постигне описание на забележителните характеристики на лицето, но това изисква много предварителна обработка и фин избор на параметри. В същото време използването на общи геометрични характеристики описва само основната форма и структурната връзка на частите, игнорирайки локалните фини характеристики. Това причинява загубата на част от информацията, която е по -подходяща за груба класификация, а съществуващата технология за откриване на точки от характеристиките далеч не е изпълнявала изискванията по отношение на ефективността, а количеството на изчислението също е голямо.