توسعه فناوری تشخیص چهره

توسعه فناوری تشخیص چهره

توسعه فناوری تشخیص چهرهاو در مورد سیستم تشخیص چهره از دهه 1960 آغاز شد. پس از دهه 1980 با توسعه فناوری رایانه ای و فناوری تصویربرداری نوری بهبود یافت. در واقع در اواخر دهه 1990 وارد مرحله اولیه کاربرد شد و تحت تأثیر تحقق فنی ایالات متحده آمریکا ، آلمان و ژاپن بود. رمز موفقیت سیستم تشخیص چهره در این است که آیا اطلاعات کلیدی صورت جمع آوری می شود و آیا الگوریتم هسته پیچیده ای در اختیار دارد و یا به دلیل سرعت و عمل تشخیص عملی ، نتایج تشخیص به دست می آید. "سیستم تشخیص چهره" تلفیق هوش مصنوعی ، تشخیص ماشین ، یادگیری ماشین ، نظریه مدل ، سیستم خبره ، پردازش تصویر ویدئویی و سایر فن آوری ها است. در عین حال ، باید تئوری پردازش و تحقق متوسط ​​را ترکیب کند و آخرین کاربرد شناسایی ویژگی های بیولوژیکی است و تحقق فناوری اصلی آن ، تبدیل از هوش مصنوعی ضعیف به هوش مصنوعی قوی را نشان می دهد.
فن آوری تشخیص چهره سنتی عمدتا تشخیص چهره مبتنی بر تصویر نور مرئی است. این یک روش شناخت آشنا است و بیش از 30 سال سابقه تحقیق و توسعه دارد. با این حال ، این راه یک نقص غیرقابل حل دارد. به طور خاص ، هنگامی که روشنایی محیط تغییر می کند ، اثرات تشخیص به شدت کاهش می یابد و نیازهای واقعی سیستم را نمی توان برآورده کرد. طرح هایی که مشکل روشنایی را حل می کنند شامل تشخیص تصویر سه بعدی تصویر نور مرئی و تشخیص چهره تصویربرداری حرارتی است. با این حال ، این دو فناوری از حد بالغ دور هستند و اثرات تشخیص آن ناخوشایند است.
یک راه حل سریع در حال توسعه ، فناوری تشخیص چهره چندین منبع نور مبتنی بر تصویر مادون قرمز نزدیک به فعالیت است. این می تواند بر تأثیرات تغییر نور غلبه کند و به عملکرد برجسته تشخیص و عملکرد کلی سیستم خود در دقت ، ثبات و سرعت بیش از تشخیص چهره 3D رسیده است. چنین فناوری در 2-3 سال گذشته به سرعت توسعه می یابد به طوری که فناوری تشخیص چهره به تدریج به سمت عملی پیشرفت می کند.
مانند سایر ویژگی های بیولوژیکی (اثر انگشت و عنبیه) بدن انسان ، صورت نیز ذاتی است. منحصر به فرد بودن و ویژگی خوب "آسان کپی نشدن" پیش شرط های لازم برای احراز هویت است. در مقایسه با انواع دیگر شناخت بیولوژیکی ، تشخیص چهره دارای ویژگی های زیر است:
1. غیر اجباری: فرد لازم نیست به طور خاص با دستگاه جمع آوری صورت همکاری کند. تقریباً می توان تصویر صورت را در حالت ناخودآگاه به دست آورد. چنین روش نمونه گیری "اجباری" نیست.
2. عدم تماس: فرد برای بدست آوردن تصویر صورت مجبور نیست مستقیماً با دستگاه تماس بگیرد.
3. همزمانی: در حالات واقعی برنامه ، چندین چهره ممکن است مرتب ، قضاوت و شناسایی شوند.
4. علاوه بر این ، ویژگی بصری برآورده می شود: ویژگی "شناسایی شخص از طریق ظاهر". علاوه بر این ، این ویژگی از جمله عملکرد ساده ، نتیجه بصری و مخفی کاری خوب است.

الگوریتم تشخیص

به طور کلی ، سیستم تشخیص چهره شامل تصویربرداری ، موقعیت قرارگیری صورت ، پیش پردازش تصویر و تشخیص چهره (تأیید هویت یا جستجوی هویت) است. به طور کلی ، ورودی سیستم قطعه ای است یا مجموعه ای از تصاویر صورت با هویت نامشخص ، و تصویر صورت از چندین هویت شناخته شده در پایگاه داده صورت یا کد مربوطه. خروجی مجموعه ای از نمرات شباهت است که هویت چهره قابل شناسایی را نشان می دهد.
به طور کلی ، الگوریتم های تشخیص چهره به شرح زیر طبقه بندی می شوند:
al الگوریتم های تشخیص مبتنی بر ویژگی.
al الگوریتم های تشخیص مبتنی بر ظاهر.
al الگوریتم های تشخیص مبتنی بر الگو.
al الگوریتم های تشخیص با استفاده از شبکه عصبی.
theory تئوری مدل برآورد مبتنی بر روشنایی.
method روش پیش پردازش روشنایی بر اساس سطح خاکستری گاما افزایش یافته است. علاوه بر این ، بر اساس مدل تخمین روشنایی ، جبران نور مربوطه و استراتژی تعادل روشنایی مربوطه انجام می شود.
. نظریه اصلاح آمار تغییر شکل بهینه شده.
theory آمار مبتنی بر تئوری اصلاح تغییر شکل ، حالت بهینه سازی شده صورت.
. نظریه تکرار پیشرفته.
theory تئوری تکرار پیشرفته ، گسترش م ofثر الگوریتم تشخیص چهره DLFA است.
● نظریه اصلی شناسایی مشخصه در زمان واقعی. چنین نظریه ای بر پردازش متوسط ​​داده های زمان واقعی صورت تأکید می کند ، بنابراین به بهترین اثرات مطابقت بین میزان شناسایی و بازده شناسایی می رسد.

سناریوی برنامه

دوربین نظارت بر تشخیص چهره عملکردهایی مانند تشخیص چهره ، مهار نور شدید ، تعادل پویای سفید ، پناهگاه پنهان ، جبران نور پس زمینه و تنظیم تصویر را فراهم می کند. این ممکن است برای فیلم نظارت در داخل و خارج از خانه در بخشهای مهم فعالیتهای عمومی و مکانهای تجمع ، مانند پارکها ، کارخانه ها ، فروشگاه ها ، میادین فضای باز ، مراکز کنفرانس ، اماکن ورزشی ، مدارس ، بیمارستان ها ، مناطق مسکونی ، خیابان های تجاری و بزرگ استفاده شود سوپرمارکت ها و ورودی و خروجی لابی ، آسانسور و سایر کانالهای اصلی هتل (مهمانسرا) ، مکانهای پذیرایی و تفریحی و ساختمانهای اداری.
سیستم شناسایی / نام واقعی / تأیید نام واقعی / تأیید گواهینامه انسانی / ترکیب گواهینامه انسانی ممکن است جمعیت در فرودگاه ، ورزشگاه ، سوپرمارکت و سایر مکانهای عمومی را رصد کند. به عنوان مثال ، سیستم مانیتورینگ برای جلوگیری از سوار شدن تروریست به هواپیما در فرودگاه نصب شده است. در خودپرداز بانک ، در صورت سرقت کارت و رمز ورود ، پول نقد توسط دیگران برداشت می شود. در عین حال ، تشخیص چهره می تواند از چنین شرایطی جلوگیری کند. از طریق پرس و جو از داده های تصویر هدف ، آیا اطلاعات اساسی در مورد جمعیت کلیدی در پایگاه داده وجود دارد جستجو می شود. به عنوان مثال ، این سیستم در فرودگاه یا ایستگاه نصب شده تا فرد فراری را دستگیر کند.