Развитие технологии распознавания лиц

Развитие технологии распознавания лиц

Развитие технологии распознавания лицИсследования системы распознавания лиц начались в 1960-х годах. Он был улучшен после 1980-х годов с развитием компьютерных технологий и технологий оптического изображения. Фактически он вошел в стадию первичного применения в конце 1990-х годов, и в нем доминировали техническая реализация США, Германии и Японии. Ключ к успеху системы распознавания лиц заключается в том, собрана ли ключевая информация о лицах и имеется ли сложный основной алгоритм, а результаты распознавания получены благодаря практической скорости и скорости распознавания. «Система распознавания лиц» объединяет искусственный интеллект, машинное распознавание, машинное обучение, теорию моделей, экспертную систему, обработку видеоизображений и другие технологии. В то же время он должен сочетать теорию медианной обработки и реализацию, и это последнее приложение распознавания биологических характеристик, а реализация его основной технологии демонстрирует переход от слабого искусственного интеллекта к сильному искусственному интеллекту.
Традиционная технология распознавания лиц - это в основном распознавание лиц на основе изображений в видимом свете. Это знакомый способ признания, научно-исследовательский опыт которого насчитывает более 30 лет. Однако у этого способа есть непреодолимый недостаток. В частности, при изменении внешнего освещения эффекты распознавания резко ухудшаются, и фактические системные требования не могут быть удовлетворены. Схемы, которые решают проблему освещения, включают распознавание лиц в трехмерном изображении в видимом свете и распознавание лиц с помощью тепловизора. Однако эти две технологии далеки от зрелости, и эффекты распознавания неудовлетворительны.
Быстро развивающимся решением является технология распознавания лиц с несколькими источниками света, основанная на активном изображении в ближнем инфракрасном диапазоне. Он может преодолевать влияние изменения света и достиг выдающихся характеристик распознавания, а его общая производительность системы по точности, стабильности и скорости превосходит распознавание лиц в 3D-изображениях. Такие технологии стремительно развиваются в последние 2-3 года, так что технология распознавания лиц постепенно развивается в практическую плоскость.
Как и другие биологические характеристики (отпечатки пальцев и радужная оболочка) человеческого тела, лицо присуще. Его уникальность и хорошая характеристика «нелегко копировать» обеспечивают необходимые предварительные условия для аутентификации личности. По сравнению с другими видами биологического распознавания, распознавание лиц имеет следующие особенности:
1. Необязательный: субъект не должен специально взаимодействовать с устройством для сбора данных с лица. Изображение лица можно получить практически в бессознательном состоянии. Такой способ отбора проб не является «обязательным»;
2. Бесконтактный: объект не должен напрямую контактировать с устройством для получения изображения лица;
3. Параллелизм: в реальных сценариях приложения можно сортировать, оценивать и распознавать несколько лиц;
4. Дополнительно соблюдается визуальная характеристика: характеристика «узнавать человека по внешнему виду». Кроме того, он отличается простотой эксплуатации, визуальным результатом и хорошей маскировкой.

Алгоритм распознавания

Вообще говоря, система распознавания лиц включает в себя прием изображения, позиционирование лица, предварительную обработку изображения и распознавание лиц (подтверждение личности или поиск личности). Как правило, ввод системы представляет собой часть или серию изображений лиц с неопределенной идентичностью и изображение лица нескольких известных личностей в базе данных лиц или соответствующий код. Результатом является серия оценок сходства, показывающая личность лица, которое необходимо распознать.
Как правило, алгоритмы распознавания лиц классифицируются следующим образом:
● Алгоритмы распознавания на основе признаков.
● Алгоритмы распознавания по внешнему виду.
● Алгоритмы распознавания на основе шаблонов.
● Алгоритмы распознавания с использованием нейронной сети.
● Теория моделей оценки на основе освещения.
● Улучшен метод предварительной обработки освещения на основе коррекции уровня серого гаммы. Кроме того, на основе модели оценки освещенности выполняются соответствующая стратегия компенсации освещенности и баланса освещенности.
● Оптимизированная теория коррекции статистики деформации.
● Статистическая теория коррекции деформации, оптимизированная осанка лица.
● Расширенная теория итераций.
● Расширенная теория итераций является эффективным расширением алгоритма распознавания лиц DLFA.
● Оригинальная теория распознавания характеристик в реальном времени. Такая теория делает упор на медианную обработку лицевых данных в реальном времени, что позволяет добиться наилучшего соответствия между скоростью распознавания и эффективностью распознавания.

Сценарий применения

Камера наблюдения с распознаванием лиц обеспечивает такие функции, как распознавание лиц, сильное подавление света, динамический баланс белого, скрытое укрытие, компенсацию задней подсветки и настройку изображения. Его можно использовать для видеонаблюдения в помещении и на открытом воздухе в важных частях общественной деятельности и местах скопления людей, таких как парки, фабрики, магазины, открытые площади, конференц-центры, спортивные объекты, школы, больницы, жилые районы, торговые улицы и большие супермаркеты, вход и выход из вестибюля, лифт и другие основные каналы гостиницы (гостевого дома), места общественного питания и отдыха, а также административные здания.
Комбинация системы идентификации / настоящего имени / проверки настоящего имени / подтверждения человеческого сертификата / человеческого сертификата может контролировать толпу в аэропорту, на стадионе, супермаркете и других общественных местах. Например, в аэропорту установлена ​​система наблюдения, чтобы не допустить проникновения террориста в самолет. В банкомате банка, если карта и пароль украдены, наличные снимут другие. В то же время распознавание лиц позволяет избежать таких обстоятельств. Посредством запроса данных целевого изображения производится поиск в базе данных базовой информации о ключевой популяции. Например, система устанавливается в аэропорту или на вокзале для задержания беглеца.