आपल्याला फेस रिकग्निशन उपस्थिती तंत्रज्ञानाचे तीन अल्गोरिदम माहित आहेत?

चेहरा ओळखण्याची उपस्थिती तंत्रज्ञान प्रथम चेहरा माहिती संकलित करते आणि पादचारी परिच्छेदाच्या गेटमध्ये प्रवेश करताना आणि बाहेर पडताना फेस डेटाबेसशी तुलना करते. जर तुलना यशस्वी झाली तर गेट उघडला जाईल. व्यवस्थापन फेस रिकग्निशन उपस्थिती प्रवेश नियंत्रण उपकरणावरील वापरकर्त्याच्या डेटाच्या तुलनेत आधारित आहे आणि चॅनेल कंट्रोल एरियामध्ये प्रवेश करणार्‍या आणि बाहेर पडणा the ्या कर्मचार्‍यांच्या स्वयंचलित व्यवस्थापनाची पूर्णपणे जाणीव करण्यासाठी संगणकाचा वापर पार्श्वभूमी प्रक्रिया साधन म्हणून केला जातो आणि येथे संगणकाचा वापर केला जातो. त्याच वेळी, ते वापरकर्त्याच्या नोंदणी रेकॉर्डनुसार द्रुत आणि स्वयंचलितपणे व्युत्पन्न केले जाऊ शकते. Control क्सेस कंट्रोल रेकॉर्ड आणि अहवाल विविध क्रमवारी लावण्याच्या अटींनुसार निर्यात केले जाऊ शकतात जसे की वापरकर्त्यांना आवश्यक वेळ, जे व्यवस्थापकांना रेकॉर्डची चौकशी करण्यासाठी सोयीस्कर आहे आणि अंतर्गत कर्मचार्‍यांसाठी स्वयंचलित उपस्थिती प्रणाली म्हणून देखील वापरली जाऊ शकते.

मुख्य प्रवाहातील चेहरा ओळखण्याची उपस्थिती प्रणाली मुळात तीन श्रेणींमध्ये वर्गीकृत केली जाऊ शकते, म्हणजे: भूमितीय वैशिष्ट्यांवर आधारित पद्धती, मॉडेल्सवर आधारित टेम्पलेट्स आणि पद्धतींवर आधारित पद्धती.
१. भूमितीय वैशिष्ट्यांवर आधारित पद्धत ही एक प्रारंभिक आणि पारंपारिक पद्धत आहे आणि सामान्यत: चांगले परिणाम साध्य करण्यासाठी इतर अल्गोरिदमसह एकत्र करणे आवश्यक आहे.
२. टेम्पलेट-आधारित पद्धती परस्परसंबंध जुळणी, ईगनफेस पद्धती, रेषीय भेदभावपूर्ण विश्लेषण पद्धती, एकल मूल्य विघटन पद्धती, मज्जासंस्थेच्या नेटवर्क पद्धती, डायनॅमिक कनेक्शन मॅचिंग मेथड्स इत्यादींच्या आधारे पद्धतींमध्ये विभागल्या जाऊ शकतात.
Model. मॉडेल-आधारित पद्धतींमध्ये लपलेल्या मार्कोव्ह मॉडेल्स, सक्रिय आकार मॉडेल आणि सक्रिय देखावा मॉडेलवर आधारित पद्धतींचा समावेश आहे.
मानवी चेहरा डोळे, नाक, तोंड आणि हनुवटी सारख्या भागांनी बनलेला आहे. या भागांच्या आकार, आकार आणि संरचनेतील विविध फरकांमुळे हे आहे की जगातील प्रत्येक मानवी चेहरा खूप वेगळा आहे. म्हणूनच, या भागांच्या आकार आणि संरचनात्मक संबंधांचे भूमितीय वर्णन, चेहरा ओळखण्याच्या उपस्थितीचे एक महत्त्वपूर्ण वैशिष्ट्य म्हणून वापरले जाऊ शकते.
भौमितिक वैशिष्ट्ये प्रथम मानवी चेहर्याचे प्रोफाइल वर्णन करण्यासाठी आणि ओळखण्यासाठी वापरली गेली. प्रथम, अनेक ठळक बिंदू प्रोफाइल वक्रानुसार निर्धारित केले जातात आणि अंतर, कोन इत्यादी ओळखण्यासाठी वैशिष्ट्य मेट्रिक्सचा एक संच या ठळक मुद्द्यांमधून प्राप्त केला जातो. जिया एट अल. डिग्री नकाशाच्या ओळीजवळील अविभाज्य प्रोजेक्शन साइड प्रोफाइल नकाशाचे अनुकरण करण्यासाठी एक अतिशय कादंबरी पद्धत आहे.
फ्रंटल फेस रिकग्निशन आणि उपस्थिती प्रणालींसाठी भूमितीय वैशिष्ट्यांचा वापर करून सामान्यत: डोळे, तोंड आणि नाक यासारख्या महत्त्वपूर्ण वैशिष्ट्य बिंदूंची स्थिती आणि डोळ्यासारख्या महत्त्वपूर्ण अवयवांच्या भौमितीय आकारांची स्थिती काढली जाते, परंतु भूमितीय वैशिष्ट्य माहितीची अचूकता ही आहे. प्रायोगिकरित्या चाचणी केली. संशोधन, परिणाम आशावादी नाहीत.
विकृत टेम्पलेट पद्धत भूमितीय वैशिष्ट्य पद्धतीच्या सुधारणेस मानली जाऊ शकते. त्याची मूलभूत कल्पना आहेः समायोज्य पॅरामीटर्ससह एक अवयव मॉडेल डिझाइन करा, उर्जा कार्य परिभाषित करा आणि मॉडेल पॅरामीटर्स समायोजित करून उर्जा कार्य कमी करा. यावेळी, मॉडेल पॅरामीटर्स अवयवाच्या भूमितीय वैशिष्ट्ये आहेत.
या पद्धतीची कल्पना खूप चांगली आहे, परंतु दोन समस्या आहेत. एक म्हणजे उर्जा फंक्शनमधील विविध खर्चाचे वजन गुणांक केवळ अनुभवानेच निश्चित केले जाऊ शकतात, जे प्रोत्साहन देणे कठीण आहे. दुसरे म्हणजे उर्जा कार्य ऑप्टिमायझेशन प्रक्रिया खूप वेळ घेणारी आणि व्यवहारात अर्ज करणे कठीण आहे. चेहरा प्रतिनिधित्व चेहर्‍याच्या ठळक वैशिष्ट्यांचे वर्णन साध्य करू शकते, परंतु त्यासाठी प्री-प्रोसेसिंग आणि बारीक पॅरामीटर निवडीची आवश्यकता आहे. त्याच वेळी, सामान्य भूमितीय वैशिष्ट्यांचा वापर केवळ स्थानिक सूक्ष्म वैशिष्ट्यांकडे दुर्लक्ष करून भागांच्या मूलभूत आकार आणि संरचनात्मक संबंधांचे वर्णन करतो. यामुळे माहितीचा काही भाग गमावला जातो, जो उग्र वर्गीकरणासाठी अधिक योग्य आहे आणि विद्यमान फीचर पॉईंट डिटेक्शन तंत्रज्ञान कार्यक्षमतेच्या बाबतीत आवश्यकता पूर्ण करण्यापासून दूर आहे आणि गणनाचे प्रमाण देखील मोठे आहे.