Prinzipien der Gesichtserkennungstechnologie

Gesichtserkennungstechnologie bezieht sich auf den Einsatz von Computertechnologie zur Analyse und zum Vergleich von Gesichtern, um Gesichter zu identifizieren. Die Gesichtserkennung ist ein beliebtes Gebiet der Computertechnologieforschung, zu dem Gesichtserkennung, automatische Anpassung der Bildvergrößerung, nächtliche Infraroterkennung, automatische Anpassung der Belichtungsintensität und andere Technologien gehören.

Technische Prinzipien

Gesichtserkennungstechnologie besteht aus drei Teilen:

(1) Gesichtserkennung

Gesichtserkennung bezieht sich auf die Feststellung, ob in dynamischen Szenen und komplexen Hintergründen ein Gesichtsbild vorhanden ist, und auf die Isolierung solcher Gesichtsbilder.

Im Allgemeinen gibt es die folgenden Methoden:

①Referenzvorlagenmethode

Entwerfen Sie zunächst eine oder mehrere Standard-Gesichtsvorlagen und berechnen Sie dann den Testgrad der Übereinstimmung zwischen den gesammelten Proben und der Standardvorlage, und der Schwellenwert wird verwendet, um zu bestimmen, ob ein Gesicht vorhanden ist -genannt Die Gesichtsregelmethode besteht darin, diese Merkmale zu extrahieren, um entsprechende Regeln zu generieren, um zu bestimmen, ob die Testprobe ein Gesicht enthält

③Probenlernmethode

Diese Methode verwendet künstliche neuronale Netze bei der Mustererkennung Methode besteht darin, einen Klassifikator durch Lernen von Gesichtsbild-Beispielsätzen und Nicht-Gesichtsbild-Beispielsätzen zu generieren.

④Hautfarbenmodellmethode

Diese Methode basiert auf der relativ konzentrierten Verteilung der Gesichtshautfarbe den Farbraum, um die Regeln zu erkennen.

⑤Feature-Untergesichtsmethode

Diese Methode behandelt alle Gesichtsbildsätze als Gesichtsbild-Unterraum und bestimmt, ob sie auf dem Abstand zwischen der Erkennungsprobe und ihrer Projektion im Unterraum basiert. Es gibt ein Bild der Existenz.

Es ist erwähnenswert, dass die oben genannten fünf Methoden auch in tatsächlichen Erkennungssystemen umfassend eingesetzt werden können.

Empfohlener Kurs:

PHP-Tutorial

.

(2) Gesichtsverfolgung

Gesichtsverfolgung bezieht sich auf die dynamische Zielverfolgung erkannter Gesichter. Konkret kommt eine modellbasierte Methode oder eine auf einer Kombination aus Bewegung und Modell basierende Methode zum Einsatz. Darüber hinaus ist die Verwendung der Hautfarbenmodellverfolgung eine einfache und effektive Methode.

(3) Gesichtsvergleich

Der Gesichtsvergleich dient dazu, die Identität des erkannten Gesichtsbildes zu bestätigen oder eine Zielsuche in der Gesichtsbilddatenbank durchzuführen. Das bedeutet eigentlich, dass die erfassten Gesichtsbilder nacheinander mit den Standard-Gesichtsbildern verglichen werden und das am besten passende Objekt gefunden wird. Daher bestimmt die Beschreibung des Gesichtsbildes die spezifische Methode und Leistung der Gesichtsbilderkennung.

Verwenden Sie hauptsächlich zwei Beschreibungsmethoden: Eigenvektor und Gesichtsmustervorlage:

①EigenvektormethodeDiese Methode bestimmt zunächst die Größe und Position von Iris und Nase Anschließend werden , Entfernung und andere Attribute der Gesichtsmerkmale wie Mundwinkel und Gesichtsmerkmale berechnet, und dann werden ihre geometrischen Merkmalsmengen berechnet, und diese Merkmalsmengen bilden einen Merkmalsvektor, der das Gesichtsbild beschreibt.

②Gesichtsmustervorlagenmethode

Diese Methode dient zum Speichern einer Reihe von Standard-Gesichtsbildvorlagen oder Gesichtsorganvorlagen in der Bibliothek. Beim Vergleich werden alle Pixel des abgetasteten Gesichtsbilds mit „Alle“ verglichen Vorlagen in der Bibliothek werden mithilfe normalisierter Korrelationsmaße abgeglichen. Darüber hinaus gibt es Verfahren, die Autokorrelationsnetzwerke zur Mustererkennung nutzen oder Merkmale mit Vorlagen kombinieren.

Der Kern der Gesichtserkennungstechnologie ist eigentlich die „Analyse lokaler menschlicher Körpermerkmale“ und der „grafische/neuronale Erkennungsalgorithmus“. Dieser Algorithmus ist eine Methode, die verschiedene Organe und charakteristische Teile des menschlichen Gesichts nutzt. Beispielsweise werden entsprechende geometrische Beziehungs-Multidatenformations-Identifikationsparameter mit allen Originalparametern in der Datenbank verglichen, beurteilt und bestätigt. Im Allgemeinen muss die Beurteilungszeit weniger als 1 Sekunde betragen.

Der Erkennungsprozess

gliedert sich grundsätzlich in drei Schritte :

(1) Erstellen Sie zunächst ein Gesichtsprofil. Das heißt, eine Kamera wird verwendet, um Gesichtsbilddateien der Gesichter des Personals der Einheit zu sammeln oder ihre Fotos zu machen, um Gesichtsbilddateien zu erstellen, und diese Gesichtsbilddateien werden in Gesichtsabdruckcodes (Faceprint) generiert und gespeichert. (2) Holen Sie sich das aktuelle Bild eines menschlichen Gesichts. Das heißt, Sie können mit einer Kamera das Gesichtsbild der aktuell ein- und austretenden Person erfassen oder ein Foto aufnehmen, es eingeben und aus der aktuellen Gesichtsbilddatei einen Gesichtsmustercode generieren.

(3) Vergleichen Sie den aktuellen Gesichtsmustercode mit dem Archivinventar. Das heißt, der Gesichtsmustercode des aktuellen Gesichtsbildes wird abgerufen und mit dem Gesichtsmustercode im Archivinventar verglichen. Die oben erwähnte Methode der „Gesichtsmusterkodierung“ basiert auf den wesentlichen Merkmalen und Anfängen des menschlichen Gesichts. Diese Kodierung von Gesichtsmustern ist robust gegenüber Veränderungen des Lichts, des Hauttons, der Gesichtsbehaarung, der Frisur, der Brille, des Gesichtsausdrucks und der Körperhaltung und ermöglicht so die genaue Identifizierung einer Person unter Millionen von Menschen. Der Gesichtserkennungsprozess kann mit herkömmlichen Bildverarbeitungsgeräten automatisch, kontinuierlich und in Echtzeit durchgeführt werden.

Technischer Prozess

Das Gesichtserkennungssystem umfasst hauptsächlich vier Komponenten, nämlich: Gesichtsbilderfassung und -erkennung, Gesichtsbildvorverarbeitung, Gesichtsbild-Merkmalsextraktion sowie -Abgleich und -Erkennung.

Gesichtsbilderfassung und -erkennung

Gesichtsbilderfassung: Durch Kameraobjektive können verschiedene Gesichtsbilder erfasst werden, z. B. statische Bilder, dynamische Bilder, unterschiedliche Standorte, unterschiedliche Ausdrücke und andere Aspekte können gut erfasst werden. Wenn sich der Benutzer im Aufnahmebereich des Erfassungsgeräts befindet, sucht und erfasst das Erfassungsgerät automatisch das Gesichtsbild des Benutzers.

Gesichtserkennung: Die Gesichtserkennung wird in der Praxis hauptsächlich zur Vorverarbeitung der Gesichtserkennung verwendet, dh zur genauen Kalibrierung der Position und Größe des Gesichts im Bild. Die in Gesichtsbildern enthaltenen Mustermerkmale sind sehr umfangreich, wie z. B. Histogrammmerkmale, Farbmerkmale, Vorlagenmerkmale, Strukturmerkmale und Haar-Merkmale usw. Bei der Gesichtserkennung geht es darum, nützliche Informationen auszuwählen und diese Funktionen zu verwenden, um eine Gesichtserkennung zu erreichen.

Die gängige Gesichtserkennungsmethode verwendet den Adaboost-Lernalgorithmus, der auf den oben genannten Funktionen basiert. Er kombiniert einige schwächere Klassifizierungsmethoden, um neue und stärkere Klassifizierungsmethoden zu erstellen.

Im Gesichtserkennungsprozess wird der Adaboost-Algorithmus verwendet, um einige rechteckige Merkmale (schwache Klassifikatoren) auszuwählen, die das Gesicht am besten darstellen, und der schwache Klassifikator wird gemäß der gewichteten Abstimmungsmethode in einen starken Klassifikator umgewandelt Anschließend werden beim Training mehrere starke Klassifikatoren in Reihe geschaltet, um einen Kaskadenklassifikator mit Kaskadenstruktur zu bilden, der die Erkennungsgeschwindigkeit des Klassifikators effektiv verbessert.

Vorverarbeitung von Gesichtsbildern

Vorverarbeitung von Gesichtsbildern: Die Vorverarbeitung von Gesichtsbildern basiert auf den Gesichtserkennungsergebnissen, verarbeitet das Bild und stellt es schließlich im Merkmalsextraktionsprozess bereit. Das vom System erfasste Originalbild ist aufgrund verschiedener Bedingungen oft nicht direkt verwendbar und es müssen in den frühen Phasen der Bildverarbeitung Bildvorverarbeitungen wie Graustufenkorrektur und Rauschfilterung durchgeführt werden. Bei Gesichtsbildern umfasst der Vorverarbeitungsprozess hauptsächlich Lichtkompensation, Graustufentransformation, Histogrammausgleich, Normalisierung, geometrische Korrektur, Filterung und Schärfung von Gesichtsbildern.

Gesichtsbild-Merkmalsextraktion

Gesichtsbild-Merkmalsextraktion: Die Merkmale, die vom Gesichtserkennungssystem verwendet werden können, werden normalerweise in visuelle Merkmale, pixelstatistische Merkmale usw. unterteilt Gesichtsbildmerkmale. Transformationskoeffizientenmerkmale, Gesichtsbildalgebramerkmale usw. Die Extraktion von Gesichtsmerkmalen wird an bestimmten Merkmalen des menschlichen Gesichts durchgeführt. Die Extraktion von Gesichtsmerkmalen, auch Gesichtsdarstellung genannt, ist der Prozess der Merkmalsmodellierung von Gesichtern. Methoden zur Extraktion von Gesichtsmerkmalen können in zwei Kategorien zusammengefasst werden: Die eine ist eine auf Wissen basierende Darstellungsmethode, die andere ist eine auf algebraischen Merkmalen oder statistischem Lernen basierende Darstellungsmethode.

Die wissensbasierte Darstellungsmethode basiert hauptsächlich auf der Formbeschreibung der Gesichtsorgane und den Abstandsmerkmalen zwischen ihnen, um Merkmalsdaten zu erhalten, die für die Gesichtsklassifizierung hilfreich sind. Zu ihren Merkmalskomponenten gehört normalerweise der Euklidische Wert zwischen Merkmalspunkten Abstand, Krümmung, Winkel usw. Das menschliche Gesicht besteht aus Augen, Nase, Mund, Kinn und anderen Teilen. Die geometrische Beschreibung dieser Teile und die strukturelle Beziehung zwischen ihnen können als wichtige Merkmale zur Identifizierung menschlicher Gesichter verwendet werden. Die wissensbasierte Gesichtsdarstellung umfasst hauptsächlich Methoden, die auf geometrischen Merkmalen und Vorlagenvergleichsmethoden basieren.

Abgleich und Erkennung von Gesichtsbildern

Abgleich und Erkennung von Gesichtsbildern: Die extrahierten Merkmalsdaten des Gesichtsbilds werden durchsucht und mit der in der Datenbank gespeicherten Merkmalsvorlage abgeglichen. Durch Festlegen eines Schwellenwerts wird das Übereinstimmungsergebnis ausgegeben, wenn die Ähnlichkeit diesen Schwellenwert überschreitet. Bei der Gesichtserkennung werden die zu erkennenden Gesichtsmerkmale mit den erhaltenen Gesichtsmerkmalsvorlagen verglichen und die Identitätsinformationen des Gesichts anhand des Ähnlichkeitsgrads beurteilt. Dieser Prozess ist in zwei Kategorien unterteilt: Eine ist die Bestätigung, bei der es sich um einen Eins-zu-Eins-Bildvergleichsprozess handelt, und die andere ist die Identifizierung, bei der es sich um einen Eins-zu-Viele-Bildabgleichs- und -vergleichsprozess handelt.

Das obige ist der detaillierte Inhalt vonPrinzipien der Gesichtserkennungstechnologie. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!