Quelles sont les méthodes de reconnaissance faciale_ Technologie Taigewang

Premièrement, la méthode de reconnaissance faciale des caractéristiques géométriques : les caractéristiques géométriques peuvent être la forme des yeux, du nez, de la bouche et la relation géométrique entre eux (comme la distance entre eux). Ces algorithmes ont une vitesse de reconnaissance élevée et une petite mémoire, mais le taux de reconnaissance est faible. Deuxièmement, la méthode de reconnaissance faciale basée sur le visage caractéristique (PCA) : la méthode du visage caractéristique est une méthode de reconnaissance faciale basée sur la transformation KL, qui est une transformation orthogonale optimale de la compression d'image. Après la transformation KL, un nouvel ensemble de bases orthogonales est obtenu à partir de l'espace image de grande dimension, et les bases orthogonales importantes sont conservées, qui peuvent être étendues dans un espace linéaire de faible dimension. En supposant que les projections du visage humain dans ces espaces linéaires de faible dimension sont séparables, ces projections peuvent être utilisées comme vecteurs de caractéristiques pour la reconnaissance, ce qui est l'idée de base de la méthode du visage caractéristique. Ces méthodes nécessitent plus d'échantillons d'apprentissage et sont entièrement basées sur les caractéristiques statistiques du gris de l'image. À l'heure actuelle, il existe des méthodes améliorées de face de fonction. Troisièmement, méthode de reconnaissance faciale du réseau neuronal : l'entrée du réseau neuronal peut être une image faciale avec une résolution réduite, une fonction d'autocorrélation de la région locale, un moment de second ordre de la texture locale, etc. De telles méthodes nécessitent également plus d'échantillons pour la formation, et dans de nombreuses applications, le nombre d'échantillons est très limité. Quatrièmement, la méthode de reconnaissance de visage de l'appariement de graphe élastique : la méthode d'appariement de graphe élastique définit une distance qui est invariante à la déformation habituelle du visage dans un espace bidimensionnel et utilise la topologie d'attribut pour représenter le visage. Tout sommet de la topologie contient un vecteur de caractéristiques pour enregistrer les informations de la face près du sommet. Cette méthode combine les caractéristiques de gris et les facteurs géométriques, permet à l'image d'avoir une déformation élastique pendant la comparaison et a obtenu de bons résultats en surmontant l'influence du changement d'expression sur la reconnaissance. En même temps, il n'a pas besoin de plusieurs échantillons pour la formation d'une seule personne.