Apakah Anda tahu tiga algoritma teknologi kehadiran pengenalan wajah?

Teknologi kehadiran pengenalan wajah pertama -tama mengumpulkan informasi wajah, dan membandingkannya dengan database wajah ketika mesin kehadiran masuk dan keluar dari lorong pejalan kaki. Jika perbandingan berhasil, mesin kehadiran akan terbuka; Jika perbandingan gagal, mesin kehadiran tidak akan terbuka; Manajemen didasarkan pada perbandingan data pengguna pada peralatan kontrol akses kehadiran pengenalan wajah, dan komputer digunakan sebagai alat pemrosesan latar belakang untuk sepenuhnya mewujudkan manajemen otomatis personel yang masuk dan keluar dari area kontrol saluran. Pada saat yang sama, menurut catatan pendaftaran pengguna, itu dapat dengan cepat dan otomatis menghasilkan laporan catatan kontrol akses yang dapat diekspor sesuai dengan berbagai kondisi penyortiran seperti waktu, yang nyaman bagi manajer untuk meminta catatan, dan juga dapat digunakan sebagai Sistem kehadiran otomatis untuk staf internal.

Sistem kehadiran pengenalan wajah utama pada dasarnya dapat diklasifikasikan ke dalam tiga kategori, yaitu: metode berdasarkan fitur geometris, metode berdasarkan templat dan metode berdasarkan model.
1. Metode yang didasarkan pada fitur geometris adalah metode awal dan tradisional, dan biasanya perlu dikombinasikan dengan algoritma lain untuk memiliki 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, metode pencocokan koneksi dinamis, dll.
3. Metode berbasis model mencakup metode berdasarkan model Markov tersembunyi, model bentuk aktif, dan model penampilan aktif.
Metode berbasis geometri
Wajah manusia terdiri dari bagian -bagian seperti mata, hidung, mulut, dan dagu. Justru karena berbagai perbedaan dalam bentuk, ukuran dan struktur bagian -bagian ini yang dihadapi setiap manusia di dunia sangat berbeda. 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 pengakuan profil wajah manusia. Pertama, sejumlah titik penting ditentukan sesuai dengan kurva profil, dan satu set metrik fitur untuk pengakuan, seperti jarak dan sudut, berasal dari titik -titik menonjol ini. Ini adalah metode yang sangat inovatif yang Jia et al. Simulasi gambar profil samping dengan proyeksi integral di dekat garis pada gambar abu -abu frontal.
Menggunakan fitur geometris untuk sistem kehadiran pengenalan wajah frontal umumnya mengekstraksi posisi titik -titik fitur penting seperti mata, mulut, dan hidung, dan bentuk geometris organ penting seperti mata sebagai fitur klasifikasi, tetapi kinerja ekstraksi fitur geometris telah diuji secara eksperimental. Penelitian, hasilnya tidak optimis.
Metode templat yang dapat dideformasi dapat dianggap sebagai peningkatan 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.
Gagasan metode ini sangat bagus, tetapi ada dua masalah. Salah satunya adalah bahwa koefisien pembobotan dari berbagai biaya dalam fungsi energi hanya dapat ditentukan secara empiris, yang sulit dipopulerkan. Yang lainnya adalah bahwa proses optimisasi fungsi energi sangat memakan waktu dan sulit diterapkan dalam praktik. Representasi wajah berbasis parameter dapat mencapai deskripsi fitur-fitur yang menonjol dari wajah, tetapi membutuhkan banyak pemilihan parameter pra-pemrosesan dan halus. Pada saat yang sama, penggunaan fitur geometris umum hanya menggambarkan bentuk dasar dan hubungan struktural komponen, mengabaikan fitur halus lokal, yang mengakibatkan hilangnya bagian dari informasi, yang lebih cocok untuk klasifikasi kasar