Tahukah Anda ketiga algoritma teknologi absensi pengenalan wajah?

Sistem absensi pengenalan wajah yang umum pada dasarnya dapat diklasifikasikan menjadi tiga kategori, yaitu: metode berdasarkan fitur geometris, metode berdasarkan templat, dan metode berdasarkan model.
1. Metode berdasarkan fitur geometris merupakan metode awal dan tradisional, dan biasanya perlu dikombinasikan dengan algoritma lain untuk mendapatkan hasil yang lebih baik;
2. Metode berbasis template dapat dibagi menjadi metode berdasarkan pencocokan korelasi, metode eigenface, metode analisis diskriminan linier, metode dekomposisi nilai tunggal, metode jaringan saraf tiruan, metode pencocokan koneksi dinamis, dll.
3. Metode berbasis model meliputi metode berdasarkan model Markov tersembunyi, model bentuk aktif, dan model tampilan aktif.
Metode Berbasis Geometri
Wajah manusia terdiri dari bagian-bagian seperti mata, hidung, mulut, dan dagu. Justru karena berbagai perbedaan bentuk, ukuran dan struktur bagian-bagian tersebut maka wajah setiap manusia di dunia menjadi sangat berbeda-beda. Oleh karena itu, deskripsi geometris dari bentuk dan hubungan struktural bagian-bagian ini, dapat digunakan sebagai fitur penting dari kehadiran pengenalan wajah.
Fitur geometris pertama kali digunakan dalam deskripsi dan pengenalan profil wajah manusia. Pertama, sejumlah titik menonjol ditentukan berdasarkan kurva profil, dan serangkaian metrik fitur untuk pengenalan, seperti jarak dan sudut, diturunkan dari titik-titik penting tersebut. Ini adalah metode yang sangat inovatif yang dilakukan Jia dkk. simulasikan gambar profil samping dengan proyeksi integral dekat garis pada gambar abu-abu frontal.
Penggunaan fitur geometris untuk sistem absensi pengenalan wajah frontal umumnya mengekstraksi posisi titik fitur penting seperti mata, mulut, dan hidung, dan bentuk geometris organ penting seperti mata sebagai fitur klasifikasi, namun kinerja ekstraksi fitur geometris telah diuji secara eksperimental. Penelitian, hasilnya tidak optimis.
Metode templat yang dapat dideformasi dapat dianggap sebagai penyempurnaan dari metode fitur geometris. Ide dasarnya adalah merancang model organ dengan parameter yang dapat disesuaikan (yaitu templat yang dapat dideformasi), menentukan fungsi energi, dan meminimalkan fungsi energi dengan menyesuaikan parameter model. Parameter model saat ini digunakan sebagai fitur geometris organ.
Ide metode ini sangat bagus, namun ada dua masalah. Salah satunya adalah bahwa koefisien pembobotan berbagai biaya dalam fungsi energi hanya dapat ditentukan secara empiris, sehingga sulit untuk dipopulerkan. Alasan lainnya adalah proses optimalisasi fungsi energi sangat memakan waktu dan sulit diterapkan dalam praktik. Representasi wajah berbasis parameter dapat mencapai deskripsi fitur wajah yang menonjol, namun memerlukan banyak pra-pemrosesan dan pemilihan parameter yang baik. Pada saat yang sama, penggunaan fitur geometris umum hanya mendeskripsikan bentuk dasar dan hubungan struktural komponen, mengabaikan fitur halus lokal, sehingga mengakibatkan hilangnya sebagian informasi, yang lebih cocok untuk klasifikasi kasar.