Entwicklung der Gesichtserkennungstechnologie

Entwicklung der Gesichtserkennungstechnologie

Entwicklung der GesichtserkennungstechnologieDie Forschung zum Gesichtserkennungssystem begann in den 1960er Jahren. Es wurde nach den 1980er Jahren mit der Entwicklung der Computertechnologie und der optischen Bildgebungstechnologie verbessert. Es trat Ende der neunziger Jahre in die primäre Anwendungsphase ein und wurde von der technischen Realisierung der USA, Deutschlands und Japans dominiert. Der Schlüssel zum Erfolg des Gesichtserkennungssystems liegt darin, ob die wichtigsten Gesichtsinformationen gesammelt werden und ob der ausgefeilte Kernalgorithmus vorhanden ist und die Erkennungsergebnisse aufgrund der praktischen Erkennungsrate und -geschwindigkeit erzielt werden. Das „Gesichtserkennungssystem“ integriert künstliche Intelligenz, maschinelle Erkennung, maschinelles Lernen, Modelltheorie, Expertensystem, Videobildverarbeitung und andere Technologien. Gleichzeitig muss es die Median-Verarbeitungstheorie und -realisierung kombinieren und ist die neueste Anwendung der Erkennung biologischer Merkmale. Die Realisierung der Kerntechnologie zeigt die Transformation von schwacher künstlicher Intelligenz zu starker künstlicher Intelligenz.
Die traditionelle Gesichtserkennungstechnologie ist hauptsächlich die auf sichtbarem Licht basierende Gesichtserkennung. Es ist eine bekannte Art der Anerkennung und hat eine F & E-Geschichte von mehr als 30 Jahren. Dieser Weg weist jedoch einen unüberwindbaren Mangel auf. Insbesondere wenn sich die Umgebungsbeleuchtung ändert, nehmen die Erkennungseffekte stark ab und die tatsächlichen Systemanforderungen können nicht erfüllt werden. Die Schemata, die das Beleuchtungsproblem lösen, umfassen eine 3D-Gesichtserkennung des sichtbaren Lichtbildes und eine Wärmebild-Gesichtserkennung. Diese beiden Technologien sind jedoch alles andere als ausgereift und die Erkennungseffekte sind unbefriedigend.
Eine sich schnell entwickelnde Lösung ist die Gesichtserkennungstechnologie mit mehreren Lichtquellen, die auf einem aktiven Nahinfrarotbild basiert. Es kann die Auswirkungen von Lichtveränderungen überwinden und hat die herausragende Erkennungsleistung erzielt. Die Gesamtsystemleistung in Bezug auf Präzision, Stabilität und Geschwindigkeit übertrifft die Gesichtserkennung für 3D-Bilder. Diese Technologie hat sich in den letzten 2-3 Jahren schnell entwickelt, so dass sich die Gesichtserkennungstechnologie allmählich in Richtung Praxis entwickelt.
Wie andere biologische Merkmale (Fingerabdruck und Iris) des menschlichen Körpers ist das Gesicht inhärent. Seine Einzigartigkeit und gute Eigenschaft, „nicht leicht zu kopieren“, bilden die notwendigen Voraussetzungen für die Identitätsauthentifizierung. Im Vergleich zu anderen Arten der biologischen Erkennung weist die Gesichtserkennung folgende Merkmale auf:
1. Nicht obligatorisch: Das Subjekt muss nicht speziell mit dem Gesichtssammelgerät zusammenarbeiten. Das Gesichtsbild kann fast im unbewussten Zustand erhalten werden. Eine solche Probenahme ist nicht „obligatorisch“;
2. Berührungslos: Das Subjekt muss das Gerät nicht direkt kontaktieren, um das Gesichtsbild zu erhalten.
3. Parallelität: In den tatsächlichen Anwendungsszenarien können mehrere Gesichter sortiert, beurteilt und erkannt werden.
4. Zusätzlich wird die visuelle Eigenschaft erfüllt: "Person anhand des Aussehens erkennen". Außerdem verfügt es über Funktionen wie einfache Bedienung, visuelles Ergebnis und gute Verschleierung.

Erkennungsalgorithmus

Im Allgemeinen umfasst das Gesichtserkennungssystem die Bildaufnahme, die Gesichtspositionierung, die Bildvorverarbeitung und die Gesichtserkennung (Identitätsbestätigung oder Identitätssuche). Im Allgemeinen ist die Systemeingabe ein Teil oder eine Reihe von Gesichtsbildern mit unsicherer Identität und ein Gesichtsbild mehrerer bekannter Identitäten in der Gesichtsdatenbank oder einem entsprechenden Code. Die Ausgabe besteht aus einer Reihe von Ähnlichkeitsbewertungen, die die Identität des zu erkennenden Gesichts zeigen.
Im Allgemeinen werden die Gesichtserkennungsalgorithmen wie folgt klassifiziert:
● Funktionsbasierte Erkennungsalgorithmen.
● Aussehensbasierte Erkennungsalgorithmen.
● Vorlagenbasierte Erkennungsalgorithmen.
● Erkennungsalgorithmen unter Verwendung eines neuronalen Netzwerks.
● Beleuchtungsbasierte Schätzmodelltheorie.
● Die auf der Gamma-Graustufenkorrektur basierende Vorverarbeitungsmethode für die Beleuchtung wird erhöht. Außerdem werden auf der Grundlage des Beleuchtungsschätzungsmodells die entsprechende Beleuchtungskompensations- und Beleuchtungsbilanzstrategie durchgeführt.
● Optimierte Korrekturtheorie der Verformungsstatistik.
● Statistik deformationsbasierte Korrekturtheorie, optimierte Gesichtshaltung.
● Erweiterte Iterationstheorie.
● Die verbesserte Iterationstheorie ist eine effektive Erweiterung des DLFA-Gesichtserkennungsalgorithmus.
● Ursprüngliche Theorie der Erkennung charakteristischer Echtzeitmerkmale. Diese Theorie legt den Schwerpunkt auf die mediane Verarbeitung von Gesichts-Echtzeitdaten, wodurch die besten Übereinstimmungseffekte zwischen Erkennungsrate und Erkennungseffizienz erzielt werden.

Anwendungsszenario

Die Überwachungskamera zur Gesichtserkennung bietet Funktionen wie Gesichtserkennung, starke Lichthemmung, dynamischen Weißabgleich, verdeckten Schutz, Hintergrundbeleuchtungskompensation und Bildanpassung. Es kann für das Überwachungsvideo im Innen- und Außenbereich in wichtigen Bereichen öffentlicher Aktivitäten und Treffpunkten wie Parks, Fabriken, Geschäften, Plätzen im Freien, Konferenzzentren, Sportstätten, Schulen, Krankenhäusern, Wohngebieten, Geschäftsstraßen und großen Bereichen verwendet werden Supermärkte und Eingangs- und Ausgang der Lobby, Aufzug und andere Hauptkanäle des Hotels (Gästehaus), Catering- und Erholungsorte sowie Bürogebäude.
Die Kombination aus Identifikation / Real-Name-System / Real-Name-Verifikation / Human-Certificate-Verification / Human-Certificate kann die Menge am Flughafen, im Stadion, im Supermarkt und an anderen öffentlichen Orten überwachen. Beispielsweise wird das Überwachungssystem am Flughafen installiert, um zu verhindern, dass der Terrorist in das Flugzeug einsteigt. Wenn am Bankautomaten die Karte und das Passwort gestohlen werden, wird Bargeld von anderen abgehoben. Gleichzeitig kann die Gesichtserkennung solche Umstände vermeiden. Durch Abfragen der Zielbilddaten wird gesucht, ob grundlegende Informationen über die Schlüsselpopulation in der Datenbank vorhanden sind. Beispielsweise wird das System am Flughafen oder am Bahnhof installiert, um den Flüchtling festzunehmen.