얼굴 인식 알고리즘
1. 사람 얼굴 인식 기술의 내용
사람 얼굴 인식 기술은 세 부분으로 구성됩니다.
(1) 사람 얼굴 인식
얼굴 검출이란 역동적인 장면과 복잡한 배경에서 얼굴 영상이 있는지 판단하고, 이러한 얼굴 영상을 분리하는 것을 말합니다. 일반적으로 다음과 같은 방법이 있습니다.
①참조 템플릿 방법
먼저 하나 또는 여러 개의 표준 얼굴 템플릿을 디자인한 다음 테스트를 위해 수집된 샘플과 표준 템플릿 정도 간의 일치도를 계산합니다. , 임계값을 사용하여 얼굴이 있는지 확인합니다.
②얼굴 규칙 방법
얼굴에는 일정한 구조적 분포 특성이 있으므로 소위 얼굴 규칙 방법은 이러한 특징을 추출하는 것입니다. 테스트 샘플에 얼굴이 포함되어 있는지 확인하기 위해 해당 규칙을 생성합니다.
3샘플 학습 방법
이 방법은 패턴 인식에 인공 신경망 방법을 사용합니다. 즉, 얼굴 이미지를 통해 학습합니다. 샘플 세트와 얼굴이 아닌 이미지 샘플 세트의 분류기를 생성합니다.
4피부색 모델 방법
이 방법은 색상에서 얼굴 피부색의 상대적인 집중 분포를 기반으로 합니다. 공간.
⑤특징 하위 얼굴 방법
이 방법은 모든 얼굴 이미지 세트를 얼굴 이미지 하위 공간으로 처리하며 감지 샘플과 하위 구멍 간의 투영 간의 관계를 기반으로 합니다. 거리는 얼굴 이미지가 있는지 여부를 결정합니다.
위의 5가지 방법은 실제 탐지 시스템에서도 포괄적으로 사용될 수 있다는 점을 언급할 가치가 있습니다.
(2) 사람 얼굴 추적
얼굴 추적은 감지된 얼굴의 동적 타겟 추적을 의미합니다. 구체적으로는 모델 기반(Model-based) 방식이나 모션과 모델을 결합한 방식을 사용한다.
또한, 피부색 모델 추적을 활용하는 것도 간단하고 효과적인 방법입니다.
(3) 사람 얼굴 비교
얼굴 비교는 감지된 얼굴 이미지의 신원을 확인하거나 얼굴 이미지 데이터베이스에서 대상 검색을 수행하는 것입니다. 이는 실제로 샘플링된 얼굴 이미지를 스톡 얼굴 이미지와 순서대로 비교하여 가장 일치하는 객체를 찾는 것을 의미합니다. 따라서 얼굴영상의 설명에 따라 얼굴영상 인식의 구체적인 방법과 성능이 결정된다. 현재 기술 방법으로는 고유벡터와 얼굴 패턴 템플릿 두 가지가 주로 사용됩니다.
①고유벡터 방법
이 방법은 먼저 홍채, 코, 입꼬리 등 얼굴 특징의 크기를 결정합니다. , 위치, 거리 및 기타 속성을 계산한 다음 기하학적 특징량을 계산하고 이러한 특징량은 표면 이미지를 설명하는 특징 벡터를 형성합니다.
②얼굴 패턴 템플릿 방식
이 방식은 다수의 표준 얼굴 이미지 템플릿 또는 안면 기관 템플릿을 라이브러리에 저장하고 비교 시 샘플링된 모든 얼굴 이미지가 픽셀로 구성되는 방식입니다. 정규화된 상관관계 측정을 사용하여 라이브러리의 모든 템플릿과 일치됩니다.
그 밖에도 패턴 인식을 이용한 자기상관망을 활용하거나 특징을 템플릿과 결합하는 방법도 있다.
인간 얼굴 인식 기술의 핵심은 사실상 '국소적 인체 특징 분석'과 '그래픽/신경 인식 알고리즘'이다. 이 알고리즘은 인간 얼굴의 다양한 장기와 특징적인 부분을 활용하는 방식이다. 예를 들어, 해당 기하학적 관계 다중 데이터 구성 식별 매개변수는 데이터베이스의 모든 원래 매개변수와 비교, 판단 및 확인됩니다. 일반적으로 판단 시간은 1초 이내가 필요합니다.
2. 사람 얼굴 인식 과정
은 일반적으로 세 단계로 나누어집니다.
(1) 먼저 사람 얼굴의 얼굴 프로필을 설정합니다. 즉, 카메라를 이용하여 부대원들의 얼굴의 얼굴 이미지 파일을 수집하거나, 그들의 사진을 촬영하여 얼굴 이미지 파일을 구성하고, 이러한 얼굴 이미지 파일을 페이스프린트(Faceprint) 코드로 생성하여 저장한다.
(2) 현재 인체의 얼굴 영상을 획득
즉, 카메라를 이용하여 현재 출입하는 사람의 얼굴 영상을 캡쳐하거나, 사진을 찍어서 이를 입력하고, 현재 얼굴 이미지 파일 코딩으로부터 얼굴 패턴을 생성합니다.
(3) 현재 얼굴 무늬 코드와 아카이브 인벤토리 비교
즉, 현재 얼굴 이미지의 얼굴 무늬 코드와 아카이브에 있는 얼굴 무늬 코드를 검색하여 비교한다. 재고 . 위에서 언급한 "얼굴 패턴 인코딩" 방법은 인간 얼굴의 본질적인 특성과 시작점을 기반으로 작동합니다. 이 얼굴 패턴 인코딩은 빛, 피부색, 얼굴 털, 헤어스타일, 안경, 표현 및 자세의 변화에 대해 강력하므로 수백만 명의 개인 중에서 개인을 정확하게 식별할 수 있습니다.
사람의 얼굴 인식 과정은 일반 영상 처리 장비를 이용해 자동, 연속, 실시간으로 완료될 수 있다.