Các phương pháp nhận dạng khuôn mặt là gì_ Công nghệ Taigewang

Đầu tiên, phương pháp nhận dạng khuôn mặt của các đối tượng hình học: đối tượng địa lý có thể là hình dạng của mắt, mũi, miệng và mối quan hệ hình học giữa chúng (chẳng hạn như khoảng cách giữa chúng). Các thuật toán này có tốc độ nhận dạng cao và bộ nhớ nhỏ, nhưng tỷ lệ nhận dạng thấp. Thứ hai, phương pháp nhận dạng khuôn mặt dựa trên khuôn mặt đặc trưng (PCA): phương pháp khuôn mặt đặc trưng là phương pháp nhận dạng khuôn mặt dựa trên phép biến đổi KL, là một phép biến đổi trực giao tối ưu của nén ảnh. Sau khi biến đổi KL, một tập hợp các cơ sở trực giao mới thu được từ không gian ảnh chiều cao, và các cơ sở trực giao quan trọng được giữ lại, có thể được mở rộng thành không gian tuyến tính chiều thấp. Giả sử rằng các hình chiếu của khuôn mặt người trong không gian tuyến tính chiều thấp này có thể tách biệt được, các hình chiếu này có thể được sử dụng làm vectơ đặc trưng để nhận dạng, đây là ý tưởng cơ bản của phương pháp khuôn mặt đặc trưng. Các phương pháp này cần nhiều mẫu huấn luyện hơn, và hoàn toàn dựa trên các đặc tính thống kê của màu xám hình ảnh. Hiện tại, có một số phương pháp khuôn mặt tính năng được cải tiến. Thứ ba, phương pháp nhận dạng khuôn mặt của mạng nơ-ron: đầu vào của mạng nơ-ron có thể là hình ảnh khuôn mặt với độ phân giải giảm, chức năng tự tương quan của vùng cục bộ, thời điểm bậc hai của kết cấu cục bộ, v.v. Các phương pháp như vậy cũng cần nhiều mẫu hơn để đào tạo, và trong nhiều ứng dụng, số lượng mẫu rất hạn chế. Thứ tư, phương pháp nhận dạng mặt đối sánh đồ thị đàn hồi: phương pháp đối sánh đồ thị đàn hồi xác định một khoảng cách bất biến với mặt biến dạng thông thường trong không gian hai chiều, và sử dụng tôpô thuộc tính để biểu diễn mặt. Bất kỳ đỉnh nào của cấu trúc liên kết đều chứa một vector đặc trưng để ghi lại thông tin của mặt gần đỉnh. Phương pháp này kết hợp các đặc trưng màu xám và các yếu tố hình học, cho phép hình ảnh có biến dạng đàn hồi trong quá trình so sánh, và đã đạt được kết quả tốt trong việc khắc phục ảnh hưởng của sự thay đổi biểu thức đối với nhận dạng. Đồng thời, nó không cần nhiều mẫu để đào tạo cho một người.