आपल्याला फेस रिकग्निशन उपस्थिती तंत्रज्ञानाचे तीन अल्गोरिदम माहित आहेत?

चेहरा ओळखण्याची उपस्थिती तंत्रज्ञान प्रथम चेहरा माहिती संकलित करते आणि जेव्हा उपस्थिती मशीन प्रवेश करते आणि पादचारी पॅसेजवेमधून बाहेर पडते तेव्हा फेस डेटाबेसशी तुलना करते. जर तुलना यशस्वी झाली तर उपस्थिती मशीन उघडेल; जर तुलना अयशस्वी झाली तर उपस्थिती मशीन उघडणार नाही; व्यवस्थापन फेस रिकग्निशन उपस्थिती प्रवेश नियंत्रण उपकरणावरील वापरकर्त्याच्या डेटाच्या तुलनेत आधारित आहे आणि चॅनेल नियंत्रण क्षेत्रात प्रवेश करणार्‍या आणि बाहेर पडणा the ्या कर्मचार्‍यांच्या स्वयंचलित व्यवस्थापनाची पूर्णपणे जाणीव करण्यासाठी संगणक पार्श्वभूमी प्रक्रिया साधन म्हणून वापरला जातो. त्याच वेळी, वापरकर्त्याच्या नोंदणी रेकॉर्डनुसार, ते द्रुत आणि स्वयंचलितपणे प्रवेश नियंत्रण रेकॉर्ड अहवाल तयार करू शकते जे वेळसारख्या विविध क्रमवारीनुसार निर्यात केले जाऊ शकते, जे व्यवस्थापकांना रेकॉर्ड क्वेरी करण्यासाठी सोयीस्कर आहे आणि म्हणून देखील वापरले जाऊ शकते अंतर्गत कर्मचार्‍यांसाठी स्वयंचलित उपस्थिती प्रणाली.

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 मिळविण्यासाठी 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.
भूमिती-आधारित पद्धती
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 चेहर्‍याच्या प्रोफाइलच्या वर्णनात आणि ओळखात वापरली गेली. प्रथम, प्रोफाइल वक्रानुसार अनेक ठळक गुण निश्चित केले गेले आणि अंतर आणि कोन यासारख्या ओळखण्यासाठी वैशिष्ट्य मेट्रिक्सचा एक संच या ठळक बिंदूंवरुन काढला गेला. जीआयए एट अल ही एक अतिशय नाविन्यपूर्ण पद्धत आहे. फ्रंटल ग्रे प्रतिमेच्या ओळीजवळील अविभाज्य प्रोजेक्शनद्वारे साइड प्रोफाइल प्रतिमेचे अनुकरण करा.
फ्रंटल फेस रिकग्निशन उपस्थिती प्रणालीसाठी भूमितीय वैशिष्ट्ये वापरणे सामान्यत: डोळे, तोंड आणि नाक यासारख्या महत्त्वपूर्ण वैशिष्ट्य बिंदूंची स्थिती आणि आयसारख्या महत्त्वपूर्ण अवयवांच्या भौमितीय आकारांची स्थिती काढते जसे की वर्गीकरण वैशिष्ट्ये म्हणून, परंतु भूमितीय वैशिष्ट्य माहितीच्या कामगिरीची चाचणी घेण्यात आली आहे. प्रायोगिकरित्या. संशोधन, परिणाम आशावादी नाहीत.
विकृत टेम्पलेट पद्धत भूमितीय वैशिष्ट्य पद्धतीच्या सुधारणेस मानली जाऊ शकते. समायोज्य पॅरामीटर्स (म्हणजे, एक विकृत टेम्पलेट) असलेले ऑर्गन मॉडेल डिझाइन करणे, उर्जा कार्य परिभाषित करणे आणि मॉडेल पॅरामीटर्स समायोजित करून उर्जा कार्य कमी करणे ही त्याची मूलभूत कल्पना आहे. यावेळी मॉडेल पॅरामीटर्स अवयवाच्या भूमितीय वैशिष्ट्ये म्हणून वापरले जातात.
या पद्धतीची कल्पना खूप चांगली आहे, परंतु दोन समस्या आहेत. एक म्हणजे उर्जा कार्यात विविध खर्चाचे वजन गुणांक केवळ अनुभवात्मकपणे निर्धारित केले जाऊ शकतात, जे लोकप्रिय करणे कठीण आहे. दुसरे म्हणजे उर्जा कार्याची ऑप्टिमायझेशन प्रक्रिया खूप वेळ घेणारी आणि व्यवहारात अर्ज करणे कठीण आहे. पॅरामीटर-आधारित 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 घटकांच्या मूलभूत आकार आणि संरचनात्मक संबंधांचे वर्णन करतो, स्थानिक सूक्ष्म वैशिष्ट्यांकडे दुर्लक्ष करून, परिणामी माहितीचा काही भाग गमावला जातो, जो उग्र वर्गीकरणासाठी अधिक योग्य आहे