ai人脸识别系统操作方法 pca人脸识别原理( 二 )


三维识别
3D人脸识别技术的基本思想是人类头骨的独特结构 。每个人的头骨结构都是独一无二的,可以用几十个参数来描述 。这种面部识别方法基于将 3D 面部扫描与数据库模式进行比较 。它有一个重要的优势——化妆、面部毛发、眼镜和类似因素不会影响检测和识别过程 。最新研究使用了将 3D 几何信息映射到规则 2D 网格上的技术 。它允许将 3D 数据的描述性与 2D 数据的计算效率相结合,并显示出 FRGC v2(人脸识别大挑战 3D 面部数据库)报告的最高性能 。
皮肤纹理分析
皮肤识别技术有很多应用——人脸检测算法、不良图像过滤、手势分析等 。它通常使用高分辨率图像 。皮肤纹理分析的特殊情况使用不同的独特参数,如痣、肤色、肤色等 。最近基于纹理特征和肤色组合的研究显示了有趣的结果 。研究人员使用神经网络来开发和测试皮肤识别系统 。项目中使用的前馈神经网络将输入纹理图像分类为“皮肤”和“非皮肤”,并表现出令人印象深刻的性能 。
热像仪
热像仪是一种用于监测被检表面温度分布的设备 。温度分布以不同颜色对应温度的彩色图片显示 。该技术已经有几个适应全球变化的实际应用——基于智能手机的免疫证书、远程发烧检测和热面部识别 。热像仪人脸识别模型基于人脸的独特温度模式 。人类一致的温度“特征”是用热红外 (IR) 虚部测量的 。在人脸识别中使用热敏方法有一个不可否认的好处——化妆、胡须、帽子和眼镜不会影响其准确性 。此外,它可以区分双胞胎兄弟姐妹 。
ANFIS
自适应神经模糊干扰系统 (ANFIS) 是一种人工神经网络 。该方法将神经网络原理与模糊逻辑原理相结合,将它们的优点结合在一个单一的结构中 。ANFIS 用于在预处理阶段对从数据集中提取的图像特征进行分类 。数据科学家将这种方法与各种特征提取算法相结合 。因此,一些研究报告称,在使用二维主成分分析进行特征提取后,ANFIS 分类准确度达到了令人难以置信的 97.1% 。
局部二元模式直方图 (LBPH)
该方法使用局部二进制模式 (LBP),这是计算机视觉中一种简单有效的纹理算子,它通过设置每个像素的邻域阈值并将结果视为二进制数来标记图像中的像素 。在学习阶段,LBPH 算法为每个标记和分类的图像创建直方图 。每个直方图代表训练集中的每个图像 。这样,实际的识别过程意味着比较任意两幅图像的直方图 。
FaceNet
Google研究人员于 2015 年开发的人脸识别系统 FaceNet 基于人脸识别基准数据集 。可用的预训练模型和各种开源第三方实现使该系统非常广泛 。与早期开发的其他算法相比,FaceNet 在研究调查、测试性能和准确性方面显示出出色的结果 。FaceNet 准确提取人脸嵌入,高质量特征用于后期训练人脸识别系统 。
NEC
日本科技公司 NEC 开发的解决方案可以在识别年龄变化的同时高度准确地识别人 。该解决方案使用自适应区域混合匹配,这是一种专注于高度相似的段进行映射的模型 。NEC 技术将输入和注册的图像分成小片段,并且只关注相似度较大的片段 。它可以让系统显示出更高的识别准确率,即使是在面部戴着口罩或眼镜的情况下 。作为其底层算法,NEC 解决方案使用广义学习矢量量化 (GLVQ) 。
旷视 (FACE)
旷视算法基于图像检测和模糊图像搜索技术 。该技术解决方案使用该公司基于大数据构建的专有深度学习框架 MegEngine 。该公司的技术成功地进行了人脸信息提取,包括几个关键功能:人脸和人体检测和跟踪、人脸识别和聚类、关键点检测、人脸属性估计和人脸搜索引擎 。

推荐阅读