Koja je razlika između otkrivanja lica i prepoznavanja lica
Tehnologija između otkrivanja i prepoznavanja lica je daleko jedan od drugoga, međutim ova dva člana uzrokuju mnogo zabune. Prepoznavanje lica funkcionira samo tako da snima slike osobe koja hoda kroz dobro pozicionirano područje i kameru, a zatim pohranjuje ta lica u bazu podataka koju je moguće pretraživati.
Prepoznavanje lica radi tako da prikuplja pohranjene slike i uspoređuje ih s poznatim licima u bazi podataka. Kao što vidite, ovo je proces u dva koraka. Samostalni sustav nema procesorsku snagu potrebnu za istovremeno rukovanje detekcijom i prepoznavanjem lica.
Danas detekcija lica postaje uobičajena kod nekih DVR-ova ili kamera NVR-ova sustava . Kako se razlučivost kamere i gustoća piksela poboljšavaju, mnogi će uređaji imati prepoznavanje lica i mnoge druge IVS značajke.
Samostalni DVR-i i NVR-i neće imati prepoznavanje lica ugrađeno u temeljni sustav, budući da je ta tehnologija još mnogo generacija daleko.
Međutim, prepoznavanje lica može biti korisna značajka u određenim situacijama. Dobro postavljena kamera pod dobrim kutom ispred ulaza može snimiti lica ljudi i pohraniti ih lokalno u pretraživu bazu podataka.
Ova značajka može biti vrlo korisna ako je vaš sigurnosni sustav postavljen da šalje upozorenja na vaš telefon, stoga kada netko uđe u snimač šalje snimku njegovog lica na vaš telefon.
Neki algoritmi za prepoznavanje lica identificiraju crte lica izdvajanjem orijentira ili značajki sa slike lica subjekta. Na primjer, algoritam može analizirati relativni položaj, veličinu i/ili oblik očiju, nosa, jagodica i čeljusti.
Te se značajke zatim koriste za traženje drugih slika s odgovarajućim značajkama. Drugi algoritmi normaliziraju galeriju slika lica i zatim sažimaju podatke o licu, spremajući samo podatke na slici koji su korisni za prepoznavanje lica. A
slika sonde se zatim uspoređuje s podacima o licu. Algoritmi za prepoznavanje mogu se podijeliti u dva glavna pristupa, geometrijski, koji promatra značajke razlikovanja, i fotometrijski, koji je statistički pristup koji destilira sliku u vrijednosti i uspoređuje vrijednosti s predlošcima kako bi se eliminirale varijance.
Popularni algoritmi za prepoznavanje uključuju analizu glavnih komponenti korištenjem svojstvenih lica, linearnu diskriminantnu analizu, podudaranje elastičnog skupnog grafa korištenjem algoritma Fisherface, skriveni Markovljev model, multilinearno učenje potprostora korištenjem tenzorske reprezentacije i neuronsko motivirano podudaranje dinamičke veze.
Novonastali trend, za koji se tvrdi da postiže poboljšanu točnost, je trodimenzionalno prepoznavanje lica. Ova tehnika koristi 3D senzore za snimanje informacija o obliku lica.
Te se informacije zatim koriste za prepoznavanje karakterističnih obilježja na površini lica, kao što su konture očnih duplji, nosa i brade.
Jedna od prednosti 3D prepoznavanja lica je ta što na njega ne utječu promjene osvjetljenja kao na druge tehnike. Također može identificirati lice iz niza kutova gledanja, uključujući pogled iz profila.