Ανάπτυξη τεχνολογίας αναγνώρισης προσώπου

Ανάπτυξη τεχνολογίας αναγνώρισης προσώπου

Ανάπτυξη τεχνολογίας αναγνώρισης προσώπουΈρευνα για το σύστημα αναγνώρισης προσώπου ξεκίνησε τη δεκαετία του 1960. Βελτιώθηκε μετά τη δεκαετία του 1980 με την ανάπτυξη της τεχνολογίας υπολογιστών και της τεχνολογίας οπτικής απεικόνισης. Μπήκε στην αρχική φάση εφαρμογής στα τέλη της δεκαετίας του 1990 στην πραγματικότητα, και κυριαρχούσε από την τεχνική υλοποίηση των ΗΠΑ, της Γερμανίας και της Ιαπωνίας. Το κλειδί για την επιτυχία του συστήματος αναγνώρισης προσώπου έγκειται στο εάν οι βασικές πληροφορίες προσώπου συλλέγονται και εάν υπάρχει ο εξελιγμένος πυρήνας αλγόριθμος και τα αποτελέσματα αναγνώρισης γίνονται λόγω του πρακτικού ρυθμού και της ταχύτητας αναγνώρισης. Το «σύστημα αναγνώρισης προσώπου» ενσωματώνει την τεχνητή νοημοσύνη, την αναγνώριση μηχανών, τη μηχανική εκμάθηση, τη θεωρία μοντέλων, το ειδικό σύστημα, την επεξεργασία εικόνας βίντεο και άλλες τεχνολογίες. Ταυτόχρονα, πρέπει να συνδυάσει τη διάμεση θεωρία επεξεργασίας και την πραγματοποίηση και είναι η τελευταία εφαρμογή της βιολογικής αναγνώρισης χαρακτηριστικών και η βασική τεχνογνωσία της δείχνει τη μετατροπή από την ασθενή τεχνητή νοημοσύνη σε ισχυρή τεχνητή νοημοσύνη.
Η παραδοσιακή τεχνολογία αναγνώρισης προσώπου είναι κυρίως η αναγνώριση προσώπου με βάση το ορατό φως. Είναι ένας οικείος τρόπος αναγνώρισης και έχει ιστορία Ε & Α πάνω από 30 χρόνια. Ωστόσο, αυτός ο τρόπος έχει ένα ανυπέρβλητο ελάττωμα. Ειδικότερα, όταν αλλάζει ο περιβαλλοντικός φωτισμός, τα αποτελέσματα αναγνώρισης θα μειωθούν απότομα και οι πραγματικές απαιτήσεις συστήματος δεν μπορούν να ικανοποιηθούν. Τα σχήματα που επιλύουν το πρόβλημα φωτισμού περιλαμβάνουν τρισδιάστατη αναγνώριση προσώπου εικόνας ορατού φωτός και θερμική απεικόνιση προσώπου. Ωστόσο, αυτές οι δύο τεχνολογίες δεν είναι ώριμες και τα αποτελέσματα αναγνώρισης δεν είναι ικανοποιητικά.
Μια ταχέως αναπτυσσόμενη λύση είναι η τεχνολογία αναγνώρισης προσώπου πολλαπλών πηγών φωτός που βασίζεται σε ενεργή εικόνα υπερύθρων. Μπορεί να ξεπεράσει τις επιπτώσεις της αλλαγής φωτός και έχει επιτύχει την εξαιρετική απόδοση αναγνώρισης και η συνολική απόδοση του συστήματος σε ακρίβεια, σταθερότητα και ταχύτητα υπερβαίνει την αναγνώριση προσώπου 3D εικόνας. Τέτοια τεχνολογία αναπτύσσεται ταχέως τα τελευταία 2-3 χρόνια, έτσι ώστε η τεχνολογία αναγνώρισης προσώπου σταδιακά εξελίσσεται προς πρακτική.
Όπως και άλλα βιολογικά χαρακτηριστικά (δακτυλικό αποτύπωμα και ίριδα) του ανθρώπινου σώματος, το πρόσωπο είναι εγγενές. Η μοναδικότητά του και το καλό χαρακτηριστικό του "να μην αντιγράφονται εύκολα" παρέχουν τις απαραίτητες προϋποθέσεις για τον έλεγχο ταυτότητας ταυτότητας. Σε σύγκριση με άλλους τύπους βιολογικής αναγνώρισης, η αναγνώριση προσώπου έχει τα ακόλουθα χαρακτηριστικά:
1. Μη υποχρεωτικό: το άτομο δεν χρειάζεται να συνεργάζεται ειδικά με τη συσκευή συλλογής προσώπου. Η εικόνα του προσώπου μπορεί να ληφθεί σχεδόν σε ασυνείδητη κατάσταση. Αυτός ο τρόπος δειγματοληψίας δεν είναι «υποχρεωτικός».
2. Μη επαφή: το άτομο δεν χρειάζεται να επικοινωνήσει απευθείας με τη συσκευή για τη λήψη της εικόνας του προσώπου.
3. Συνδυασμός: στα πραγματικά σενάρια εφαρμογής, πολλαπλά πρόσωπα μπορούν να ταξινομηθούν, να κριθούν και να αναγνωριστούν.
4. Επιπλέον, το οπτικό χαρακτηριστικό πληρούται: χαρακτηριστικό «αναγνώριση ατόμου από εμφάνιση». Εκτός αυτού, διαθέτει χαρακτηριστικά όπως απλή λειτουργία, οπτικό αποτέλεσμα και καλή απόκρυψη.

Αλγόριθμος αναγνώρισης

Σε γενικές γραμμές, το σύστημα αναγνώρισης προσώπου περιλαμβάνει λήψη εικόνας, τοποθέτηση προσώπου, προεπεξεργασία εικόνας και αναγνώριση προσώπου (επιβεβαίωση ταυτότητας ή αναζήτηση ταυτότητας). Γενικά, η είσοδος συστήματος είναι ένα κομμάτι ή μια σειρά εικόνων προσώπου με αβέβαιη ταυτότητα και εικόνα προσώπου πολλών γνωστών ταυτοτήτων στη βάση δεδομένων του προσώπου ή στον αντίστοιχο κωδικό. Η έξοδος είναι μια σειρά από βαθμολογίες ομοιότητας, που δείχνουν την ταυτότητα του προσώπου που πρέπει να αναγνωριστεί.
Γενικά, οι αλγόριθμοι αναγνώρισης προσώπου ταξινομούνται ως εξής:
● Αλγόριθμοι αναγνώρισης βάσει χαρακτηριστικών.
● Αλγόριθμοι αναγνώρισης βάσει εμφάνισης.
● Αλγόριθμοι αναγνώρισης βάσει προτύπων.
● Αλγόριθμοι αναγνώρισης που χρησιμοποιούν νευρωνικό δίκτυο.
● Θεωρία μοντέλου εκτίμησης βάσει φωτισμού.
● Αυξάνεται η μέθοδος προεπεξεργασίας με βάση τη διόρθωση του γκρι επιπέδου γκρι. Εκτός αυτού, με βάση το μοντέλο εκτίμησης φωτισμού, πραγματοποιείται η αντίστοιχη στρατηγική αντιστάθμισης φωτισμού και ισορροπίας φωτισμού.
● Βελτιστοποιημένη θεωρία διόρθωσης στατιστικών παραμόρφωσης.
● Στατιστική θεωρία διόρθωσης βάσει παραμόρφωσης, βελτιστοποιημένη στάση προσώπου.
● Βελτιωμένη θεωρία επανάληψης.
● Η βελτιωμένη θεωρία επανάληψης είναι μια αποτελεσματική επέκταση του αλγορίθμου ανίχνευσης προσώπου DLFA.
● Πρωτότυπη θεωρία αναγνώρισης χαρακτηριστικών σε πραγματικό χρόνο. Τέτοια θεωρία δίνει έμφαση στη μέση επεξεργασία δεδομένων προσώπου σε πραγματικό χρόνο, επιτυγχάνοντας έτσι τα καλύτερα αποτελέσματα αντιστοίχισης μεταξύ του ρυθμού αναγνώρισης και της αποδοτικότητας αναγνώρισης.

Σενάριο εφαρμογής

Η κάμερα παρακολούθησης αναγνώρισης προσώπου παρέχει λειτουργίες όπως αναγνώριση προσώπου, ισχυρή αναστολή φωτός, δυναμική ισορροπία λευκού, κρυφό προστατευτικό κάλυμμα, αντιστάθμιση οπίσθιου φωτισμού και ρύθμιση εικόνας. Μπορεί να χρησιμοποιηθεί για βίντεο παρακολούθησης σε εσωτερικούς και εξωτερικούς χώρους σε σημαντικά μέρη της δημόσιας δραστηριότητας και σε χώρους συγκέντρωσης, όπως πάρκα, εργοστάσια, καταστήματα, υπαίθριες πλατείες, συνεδριακά κέντρα, αθλητικοί χώροι, σχολεία, νοσοκομεία, κατοικημένες περιοχές, εμπορικοί δρόμοι και μεγάλοι σούπερ μάρκετ και είσοδος και έξοδος στο λόμπι, ανελκυστήρας και άλλα κύρια κανάλια του ξενοδοχείου (ξενώνας), χώρους εστίασης και αναψυχής και κτίρια γραφείων.
Ο συνδυασμός ταυτότητας / πραγματικού ονόματος / επαλήθευσης πραγματικού ονόματος / επαλήθευσης ανθρώπινου πιστοποιητικού / συνδυασμού ανθρώπινων πιστοποιητικών μπορεί να παρακολουθεί το πλήθος στο αεροδρόμιο, το στάδιο, το σούπερ μάρκετ και άλλους δημόσιους χώρους. Για παράδειγμα, το σύστημα παρακολούθησης είναι εγκατεστημένο στο αεροδρόμιο για να αποτρέψει τον τρομοκράτη να επιβιβαστεί στο αεροπλάνο. Στο ATM της τράπεζας, εάν η κάρτα και ο κωδικός πρόσβασης κλαπεί, τα μετρητά θα αποσυρθούν από άλλους. Ταυτόχρονα, η αναγνώριση του προσώπου μπορεί να αποφύγει τέτοιες περιστάσεις. Μέσω της διερεύνησης των δεδομένων εικόνας-στόχου, αν αναζητούνται βασικές πληροφορίες σχετικά με τον βασικό πληθυσμό στη βάση δεδομένων. Για παράδειγμα, το σύστημα είναι εγκατεστημένο στο αεροδρόμιο ή στο σταθμό για τη σύλληψη του φυγά.