चेहरे आणि फोटोंमध्ये चेहरा ओळखण्याची उपस्थिती कशी फरक करते?

फेस रिकग्निशन टाइम अटेंडन्स टेक्नॉलॉजी हे एक डिव्हाइस आहे जे मशीन कॅमेराद्वारे प्रतिमा प्राप्त करते आणि मानवी ओळख घेते. हे तंत्रज्ञान प्रामुख्याने ओळख ओळखण्यामध्ये वापरले जाते, जसे की वित्त, मोबाइल फोन लॉक, प्रवेश नियंत्रण आणि खरेदीमध्ये चेहरा देय इत्यादी, आपल्या दैनंदिन जीवनात आधीपासूनच ओळखण्याची वेळ उपस्थिती तंत्रज्ञान आहे. वास्तविक व्यक्ती ओळख कार्य नैसर्गिकरित्या डिव्हाइसचा चेहरा आहे. जर तो एखादा फोटो असेल तर तो विमानाच्या दृष्टीकोनातून मानवी चेहर्‍यासारखेच आहे, वास्तविक चेहरा फोटोसह बदलण्याची फसवणूक समस्या कशी टाळावी.

मान्यता दरम्यान, वापरकर्त्यास केवळ दुरुस्तीसारख्या क्रियेस सहकार्य करण्यासाठी चेहर्यावरील अभिव्यक्ती करणे आवश्यक आहे, विशिष्ट अभिव्यक्ती ग्रिमेस करणे, कारण फोटोमध्ये अशी विशिष्ट क्रिया साध्य करणे कठीण आहे आणि अशा प्रकारे फोटो फसवणूक टाळता येते, कर्मचार्‍यांच्या कबुलीजबाबानुसार फेस रिकग्निशन उपस्थिती संशोधनानुसार, लुकलुकणे शोधणे ही एक अतिशय विश्वासार्ह पद्धत आहे.
चेहरा ओळख आणि उपस्थिती प्रणालीतील त्रुटी दर कमी करण्यासाठी, सिस्टम विद्यमान फोटोग्राफीमध्ये वापरल्या जाणार्‍या फेस डिटेक्शन अल्गोरिदमला सखोल माहिती लागू करते आणि फेस विंडोच्या खोलीच्या समन्वयांनुसार चेहरा विंडोच्या आकाराचे बुद्धिमत्ता आकर्षित करते, ते म्हणजे, चेहरा कॅमेर्‍याचा आहे, आजूबाजूला कॅप्चर फ्रेम लहान आहे.
ही पद्धत देखावा वर प्रकाश रेडिएशनचा नकाशा प्रोजेक्ट करण्यासाठी विशेष इन्फ्रारेड किरणांचा वापर करते, जे नंतर खोलीच्या नकाशामध्ये रूपांतरित होते आणि सिस्टम बहुतेक चेहरे ओळखू शकते, तर त्यात वैयक्तिक चेहर्‍यांमधील फरक ओळखण्याची क्षमता नसते, म्हणून ते बायोमेट्रिक्स नाही स्वत: मध्ये तोडगा काढण्याऐवजी, हे विस्तीर्ण प्रमाणीकरण प्रणालीतील एक महत्त्वपूर्ण दृष्टीक्षेपाचे पाऊल बनू शकते.
डिजिटल व्हिडिओ प्रवाहात चेहरे शोधण्यासाठी सखोल माहितीचा वापर करून, एका दृश्यात, जर तेथे अनेक लोक असतील तर, लेन्सपासून वेगवेगळ्या लोकांच्या अंतरानुसार चेहरा अयशस्वी होऊ शकतो. सामान्यीकृत चेहरा ओळखण्याच्या उपस्थितीत चेहरा ओळखण्याची उपस्थिती तयार करणे समाविष्ट आहे ज्यात फेस इमेज संपादन, चेहरा स्थिती, चेहरा ओळखण्याची उपस्थिती, ओळख पुष्टीकरण आणि ओळख शोध इत्यादीसह सिस्टमच्या संबंधित तंत्रज्ञानाची मालिका समाविष्ट आहे. अरुंद अर्थाने एफएसीईएस तंत्रज्ञान किंवा सिस्टमद्वारे ओळख पुष्टीकरण किंवा ओळख शोध संदर्भित करते.
काही ओळख सत्यापन परिस्थितींमध्ये वस्तूंची वास्तविक शारीरिक वैशिष्ट्ये निश्चित करण्यासाठी लाइव्हस शोधणे ही एक पद्धत आहे. सजीव शोध प्रामुख्याने दोन प्रकारांमध्ये विभागले जाते, सहकारी जीवनमान शोध आणि नॉन-अस-सह-जिवंत ओळख.
१. सहकारी जिवंत शोध: चेहरा शोधण्याची प्रणाली काही यादृच्छिक कमांड क्रिया पाठवते, जसे की डोळे मिचकावणे, डोके फिरविणे आणि तोंड उघडणे.
२. नॉन-कोपरेटिव्ह लाइव्हलिटी डिटेक्शन: इन्फ्रारेड कॅमेरा परिष्कृत शोधण्यासाठी प्रतिमा संकलित करतो आणि या प्रक्रियेस कोणत्याही निर्दिष्ट क्रियांना सहकार्य करण्याची आवश्यकता नाही.
येथे मी इन्फ्रारेड कॅमेरे आणि सामान्य कॅमेर्‍यांमधील फरक याबद्दल बोलू. सामान्य कॅमेर्‍याच्या तुलनेत, इन्फ्रारेड कॅमेरे आणि सामान्य कॅमेर्‍यांमधील सर्वात मोठा फरक म्हणजे प्रकाश स्त्रोतामध्ये फरक. सर्व प्रथम, कॅमेर्‍याच्या इमेजिंगसाठी, प्रकाश ऑब्जेक्ट्सवर विकृत केला जातो, डिफ्यूज स्कॅटरिंग होते आणि प्रतिबिंबित प्रकाशाचा मागील भाग इमेज सेन्सरच्या पृष्ठभागावर लक्ष केंद्रित करण्यासाठी लेन्सद्वारे प्राप्त होईल आणि नंतर विद्युत सिग्नलमध्ये रूपांतरित होईल , (ए/डी) एनालॉग-टू-डिजिटल रूपांतरणानंतर, डिजिटल इमेज सिग्नलमध्ये रूपांतरित, आणि नंतर प्रक्रियेसाठी डिजिटल सिग्नल प्रोसेसिंग चिपवर पाठविले आणि शेवटी यूएसबीद्वारे इंटरफेस सिस्टममध्ये हस्तांतरित केले जाते आणि शेवटी प्रदर्शित केले जाते मॉनिटर.
सामान्य कॅमेर्‍याच्या तुलनेत, इन्फ्रारेड कॅमेरे आणि सामान्य कॅमेर्‍यांमधील सर्वात मोठा फरक म्हणजे प्रकाश स्त्रोत. सामान्य कॅमेर्‍याचा प्रकाश स्त्रोत दृश्यमान प्रकाशातून येतो, म्हणजेच सूर्यप्रकाश. अंगभूत इन्फ्रारेड दिवा इन्फ्रारेड किरण उत्सर्जित करतो, जे ऑब्जेक्टवर विकिरणित झाल्यानंतर कॅमेर्‍याने विखुरलेल्या आणि प्राप्त झालेल्या विखुरलेल्या विखुरलेले आणि प्राप्त केले.
1. इमेजिंग तत्त्व
आम्हाला माहित आहे की ते दृश्यमान प्रकाश किंवा अवरक्त प्रकाश आहे की नाही, मूलभूत सार म्हणजे इलेक्ट्रोमॅग्नेटिक लाटा. आम्ही शेवटी पहात असलेली प्रतिमा भौतिक पृष्ठभागाच्या प्रतिबिंबित गुणधर्मांशी संबंधित आहे. वास्तविक मानवी चेहरे आणि कागद, पडदे, त्रिमितीय मुखवटे आणि इतर हल्ला मीडिया प्रतिबिंब वैशिष्ट्ये सर्व भिन्न आहेत, म्हणून इमेजिंग देखील भिन्न आहे आणि अवरक्त लहरी प्रतिबिंबात हा फरक अधिक स्पष्ट होईल. उदाहरणार्थ, स्क्रीनच्या इन्फ्रारेड इमेजिंग चित्रात, केवळ पांढर्‍या फुलांचा तुकडा आहे, मानवी चेहरा देखील नाही. , म्हणून चुकीचा निर्णय टाळण्यासाठी.
2. अंगभूत अल्गोरिदम
ऑप्टिकल फ्लो पद्धतीनुसार, प्रतिमेच्या अनुक्रमातील पिक्सेल तीव्रतेच्या डेटाचे ऐहिक भिन्नता आणि परस्परसंबंध संबंधित पिक्सेल पोझिशन्सची हालचाल निर्धारित करण्यासाठी वापरली जाते आणि प्रत्येक पिक्सेल पॉईंटची चालू असलेली माहिती गौसीयनचा वापर करून प्रतिमेच्या अनुक्रमातून प्राप्त केली जाते. फरक फिल्टर, एलबीपी वैशिष्ट्ये आणि समर्थन वेक्टर एकाच वेळी, ऑप्टिकल फ्लो फील्ड ऑब्जेक्ट्सच्या हालचालीसाठी संवेदनशील आहे आणि ऑप्टिकल फ्लो फील्ड एकसमान डोळ्यांची हालचाल आणि लुकलुकणारा शोधण्यासाठी वापरला जाऊ शकतो. ही थेट शोधण्याची पद्धत वापरकर्त्याच्या सहकार्याशिवाय अंध शोध प्राप्त करू शकते.
इतर न्यायाधीश पद्धतींमध्ये 3 डी फेस डिटेक्शन समाविष्ट आहे, जो चेहरा शूट करण्यासाठी 3 डी कॅमेरा वापरतो, कॅमेर्‍याने घेतलेला डेटा समाकलित करतो, चेहरा संश्लेषित करतो, त्याचे विश्लेषण करतो आणि शेवटी तो वास्तविक चेहरा किंवा फोटो आहे की नाही याचा न्याय करतो.