คุณรู้สามอัลกอริทึมของเทคโนโลยีการเข้าร่วมการจดจำใบหน้าหรือไม่?

เทคโนโลยีการเข้าร่วมการจดจำใบหน้าเป็นครั้งแรกรวบรวมข้อมูลหน้าและเปรียบเทียบกับฐานข้อมูลใบหน้าเมื่อเครื่องเข้าร่วมเข้าและออกจากทางเดินเท้า หากการเปรียบเทียบสำเร็จเครื่องเข้าร่วมจะเปิดขึ้น หากการเปรียบเทียบล้มเหลวเครื่องเข้าร่วมจะไม่เปิด การจัดการจะขึ้นอยู่กับการเปรียบเทียบข้อมูลของผู้ใช้ในอุปกรณ์ควบคุมการเข้าร่วมการรับรู้ใบหน้าและคอมพิวเตอร์ใช้เป็นเครื่องมือประมวลผลพื้นหลังเพื่อตระหนักถึงการจัดการอัตโนมัติของบุคลากรที่เข้ามาและออกจากพื้นที่ควบคุมช่องสัญญาณ ในเวลาเดียวกันตามบันทึกการลงทะเบียนผู้ใช้สามารถสร้างรายงานบันทึกการควบคุมการเข้าถึงที่สามารถส่งออกได้อย่างรวดเร็วและโดยอัตโนมัติตามเงื่อนไขการเรียงลำดับต่าง ๆ เช่นเวลาซึ่งสะดวกสำหรับผู้จัดการในการสืบค้นบันทึกและยังสามารถใช้เป็นได้ ระบบการเข้าร่วมอัตโนมัติสำหรับพนักงานภายใน

ระบบการเข้าร่วมการจดจำใบหน้าหลักโดยทั่วไปสามารถแบ่งออกเป็นสามหมวดหมู่ ได้แก่ : วิธีการตามคุณสมบัติทางเรขาคณิตวิธีการตามเทมเพลตและวิธีการตามโมเดล
1. วิธีการที่อิงตามคุณสมบัติทางเรขาคณิตเป็นวิธีการก่อนและแบบดั้งเดิมและมักจะต้องรวมกับอัลกอริทึมอื่น ๆ เพื่อให้ได้ผลลัพธ์ที่ดีกว่า
2. วิธีการตามเทมเพลตสามารถแบ่งออกเป็นวิธีการตามการจับคู่สหสัมพันธ์, วิธี eigenface, วิธีการวิเคราะห์การจำแนกเชิงเส้น, วิธีการสลายตัวของค่าเอกพจน์, วิธีการเครือข่ายประสาท, วิธีการจับคู่การเชื่อมต่อแบบไดนามิก ฯลฯ
3. วิธีการที่ใช้โมเดลรวมถึงวิธีการที่ใช้โมเดล Markov ที่ซ่อนอยู่, โมเดลรูปร่างที่ใช้งานอยู่และแบบจำลองลักษณะที่ใช้งานอยู่
วิธีการอิงเรขาคณิต
ใบหน้าของมนุษย์ประกอบด้วยส่วนต่าง ๆ เช่นดวงตาจมูกปากและคาง มันเป็นเพราะความแตกต่างต่าง ๆ ในรูปร่างขนาดและโครงสร้างของชิ้นส่วนเหล่านี้ที่ใบหน้ามนุษย์ทุกคนในโลกแตกต่างกันมาก ดังนั้นคำอธิบายทางเรขาคณิตของรูปร่างและความสัมพันธ์เชิงโครงสร้างของชิ้นส่วนเหล่านี้สามารถใช้เป็นคุณสมบัติที่สำคัญของการเข้าร่วมการจดจำใบหน้า
มีการใช้คุณสมบัติทางเรขาคณิตเป็นครั้งแรกในคำอธิบายและการรับรู้ของโปรไฟล์ของใบหน้ามนุษย์ ประการแรกมีการกำหนดจุดสำคัญจำนวนหนึ่งตามเส้นโค้งโปรไฟล์และชุดของตัวชี้วัดคุณลักษณะสำหรับการรับรู้เช่นระยะทางและมุมนั้นได้มาจากจุดสำคัญเหล่านี้ มันเป็นวิธีการที่เป็นนวัตกรรมมากที่ Jia และคณะ จำลองภาพโปรไฟล์ด้านข้างโดยการฉายภาพรวมใกล้กับเส้นในภาพสีเทาด้านหน้า
การใช้คุณสมบัติทางเรขาคณิตสำหรับระบบการเข้าร่วมการจดจำใบหน้าด้านหน้าโดยทั่วไปจะแยกตำแหน่งของจุดคุณสมบัติที่สำคัญเช่นดวงตาปากและจมูกและรูปทรงเรขาคณิตของอวัยวะสำคัญเช่นดวงตาเป็นคุณสมบัติการจำแนกประเภท ทดลอง การวิจัยผลลัพธ์ไม่ได้มองโลกในแง่ดี
วิธีเทมเพลตที่เปลี่ยนรูปได้ถือได้ว่าเป็นการปรับปรุงวิธีการใช้คุณสมบัติทางเรขาคณิต แนวคิดพื้นฐานของมันคือการออกแบบโมเดลอวัยวะที่มีพารามิเตอร์ที่ปรับได้ (นั่นคือเทมเพลตที่เปลี่ยนรูปได้) กำหนดฟังก์ชั่นพลังงานและลดฟังก์ชั่นพลังงานโดยการปรับพารามิเตอร์โมเดล พารามิเตอร์โมเดลในเวลานี้ใช้เป็นคุณสมบัติทางเรขาคณิตของอวัยวะ
แนวคิดของวิธีนี้ดีมาก แต่มีสองปัญหา หนึ่งคือค่าสัมประสิทธิ์การถ่วงน้ำหนักของค่าใช้จ่ายต่าง ๆ ในฟังก์ชั่นพลังงานสามารถกำหนดได้ในเชิงประจักษ์เท่านั้นซึ่งเป็นเรื่องยากที่จะทำให้เป็นที่นิยม อีกอย่างคือกระบวนการปรับให้เหมาะสมของฟังก์ชั่นพลังงานใช้เวลานานมากและยากที่จะนำไปใช้ในทางปฏิบัติ การแสดงใบหน้าที่อิงพารามิเตอร์สามารถบรรลุคำอธิบายของคุณสมบัติเด่นของใบหน้า แต่ต้องใช้การเลือกพารามิเตอร์ล่วงหน้าและการเลือกที่ดีจำนวนมาก ในเวลาเดียวกันการใช้คุณสมบัติทางเรขาคณิตทั่วไปจะอธิบายเฉพาะรูปร่างพื้นฐานและความสัมพันธ์เชิงโครงสร้างของส่วนประกอบโดยไม่สนใจคุณสมบัติที่ลึกซึ้งในท้องถิ่นทำให้สูญเสียส่วนหนึ่งของข้อมูลซึ่งเหมาะสำหรับการจำแนกประเภทหยาบกว่า