얼굴 인식은 사람의 얼굴 특징 정보를 기반으로 하는 생체 인식 기술입니다. 카메라 또는 카메라를 사용하여 사람의 얼굴이 포함된 이미지 또는 비디오 스트림을 캡처하고 이미지에서 얼굴을 자동으로 감지 및 추적하고 감지된 얼굴에 대해 관련 처리를 수행합니다. 얼굴 인식은 알고리즘을 검증하고 인식 정확도를 지속적으로 향상시키기 위해 얼굴 이미지와 관련된 많은 양의 데이터를 축적해야 합니다.
기존의 얼굴 인식 시스템은 사용자 협업 및 획득의 이상적인 조건에서 만족스러운 인식 결과를 얻을 수 있습니다. 그러나 사용자의 협조가 없고 이상적인 획득 조건에 미치지 못하는 상황에서는 기존 시스템의 인식률이 갑자기 저하됩니다. 예를 들어, 면도, 헤어스타일 변경, 안경 추가, 표정 변경 등 시스템에 저장된 얼굴과 얼굴을 비교할 때 비교에 실패할 수 있습니다.
얼굴 인식 기술은 컴퓨터 이미지 처리 기술과 생물 통계 원리를 하나로 통합하고 컴퓨터 이미지 처리 기술을 사용하여 비디오에서 사람의 이미지 특징점을 추출하고 생물 통계 원리를 사용하여 분석하고 설정하는 생체 기술에서 널리 사용되는 지역 특징 분석 알고리즘 중 하나입니다. 수학적 모델, 즉 얼굴 특징 템플릿. 완성된 얼굴 특징 템플릿은 피사체의 얼굴 이미지와 특징을 분석하는데 사용되며, 분석 결과에 따라 유사도 값을 부여합니다. 이 값은 사람이 동일한지 확인하는 데 사용됩니다.
얼굴 인식의 장점은 자연스러움과 테스트 대상자의 인지된 특징이 없다는 것입니다. 자연스러움이란 인간이 개인 식별에 사용하는 생체 특징과 동일한 인식 방식을 의미합니다. 예를 들어, 얼굴 인식은 얼굴을 관찰하고 비교하고 신원을 구별하여 개인을 구별하고 음성 인식, 신체 유형 인식 등의 자연 인식에 더하여 지문 인식, 홍채 인식 등은 인간이나 다른 유기체가 개인을 구별하지 못하기 때문에 부자연 스럽습니다. 이러한 생체 인식 기능을 통해 감지되지 않은 기능은 인식 방법에서도 중요하므로 주의를 끌 가능성이 적기 때문에 불쾌감을 주지 않고 속일 가능성이 적습니다. 얼굴 인식은 가시광선만을 이용하여 얼굴 이미지에 대한 정보를 획득하는 특성이 있지만 전자식 압력 센서를 사용하여 지문을 캡처하거나 적외선을 사용하여 홍채 이미지를 캡처해야 하는 지문 인식 또는 홍채 인식과 달리 이러한 특정 캡처 방식은 쉽게 감지되므로 위장에 의해 더 쉽게 스푸핑됩니다.
얼굴 인식은 생체 인식, 심지어 인공 지능 분야에서도 어려운 연구 주제 중 하나로 간주됩니다. 얼굴 인식의 어려움은 주로 다른 개인 간의 차이가 매우 작고 얼굴 구조가 유사하며 얼굴 기관의 구조와 모양조차도 매우 유사한 생체 인식 기능으로 얼굴의 특성으로 인해 발생합니다. 이 기능은 얼굴 인식을 사용하는 데 유용하지만 얼굴 인식에는 유용하지 않습니다. 사람의 얼굴은 형태가 매우 불안정하여 얼굴의 변화에 따라 다양한 표정을 연출할 수 있으며, 관찰 각도에 따라 얼굴의 시각적 이미지도 많이 변한다. 또한 얼굴 인식은 조명 조건, 얼굴 마스크, 나이 등 많은 요인의 영향을 받습니다.
안면인식에서 한 유형의 변이는 개인을 구별하는 기준이 되기 위해 확대되어야 하고, 다른 유형의 변이는 동일한 개인을 나타낼 수 있으므로 제거되어야 한다. 한 유형의 변이는 일반적으로 클래스 간 변이라고 하고 다른 유형은 클래스 내 변이라고 합니다. 얼굴의 경우 클래스 내 변동이 클래스 내 변동보다 큰 경향이 있어 클래스 내 변동의 간섭으로 클래스 간 변동으로 개인을 구별하기 어렵습니다. 얼굴 인식은 주로 신원 인식에 사용됩니다. 비디오 감시의 급속한 인기로 인해 많은 비디오 감시 응용 프로그램은 원격 직원의 신원을 신속하게 확인하고 지능형 경고를 달성하기 위해 장거리, 비협조 상태의 빠른 식별 기술이 시급히 필요합니다. 얼굴 인식 기술은 의심할 여지 없이 좋은 선택입니다. 빠른 얼굴 감지 기술을 사용하면 감시 영상에서 실시간으로 얼굴을 찾고 얼굴 데이터베이스와 실시간으로 비교하여 빠른 식별이 가능합니다.
얼굴 인식 장치
새로운 생체 인식 기술(Biometrics)로서 얼굴 인식 기술은 홍채 인식, 지문 스캐닝, 손바닥 스캐닝 및 기타 기술에 비해 응용 분야에서 고유한 이점이 있습니다. 사용하기 쉽고 사용자 수용도가 높습니다. 얼굴 인식 기술은 범용 카메라를 인식 정보로 사용합니다. 인식 대상이 인식 과정을 눈치채지 못하게 비접촉 방식으로 인식 과정을 완료하는 획득 장치. 직관적인 뛰어난 얼굴 인식 기술은 사람의 얼굴 이미지를 기반으로 하며, 사람의 얼굴은 의심할 여지 없이 육안으로 식별할 수 있는 가장 직관적인 정보의 원천으로 수동 확인 및 감사에 편리하며 “외모로 사람을 판단합니다. "는 인간 인지의 법칙과 일치한다. 높은 인식 정확도와 속도 다른 생체 인식 기술에 비해 얼굴 인식 기술의 인식 정확도는 높은 수준이며 오인식률과 거부율이 낮습니다.
보안 요구 사항이 높은 응용 프로그램에서 얼굴 인식 기술을 사용하려면 인식 대상이 인식 사이트에 물리적으로 있어야 하므로 다른 사람이 위조하기 어렵습니다. 얼굴 인식 기술의 고유한 능동 식별 기능은 다른 사람들이 비활성 사진, 인형 또는 밀랍 인형으로 인식 시스템을 속일 수 없도록 합니다. 이것은 지문과 같은 생체 인식 기술로 수행하기 어렵습니다. 예를 들어, 정당한 사용자의 신원은 식별 시스템이 감지할 수 없는 상태에서 정당한 사용자의 잘린 손가락으로 가장할 수 있습니다. 얼굴 인식 기술에 사용되는 장비는 일반적인 PC, 카메라 및 기타 기존 장비입니다. 왜냐하면 컴퓨터, 폐쇄 회로 텔레비전 모니터링 시스템 등이 널리 사용되어 대부분의 사용자가 특별한 추가 없이 얼굴 인식 기술을 사용할 수 있기 때문입니다. 따라서 사용자의 원래 투자를 보호할 뿐만 아니라 사용자의 기존 장비의 기능을 확장하여 사용자의 보안 요구를 충족시킵니다.
얼굴 인식 기술은 실시간으로 촬영한 얼굴 사진이나 얼굴 이미지를 기반으로 하여 쉽게 얻을 수 있는 기초 정보이므로 틀림없이 가장 쉽게 얻을 수 있다. 저렴한 비용, 기존의 일반 장비를 사용하기 때문에 얼굴 인식 기술의 사용을 촉진하기 쉽고 가격은 다른 생체 인식 기술과 비교하여 일반적인 사용자가 수용할 수 있는 범위에 있으며 얼굴 인식 제품은 가격 대비 성능이 매우 높습니다. 요약하면, 안면 인식 기술은 고정밀, 사용하기 쉽고, 안정성이 높고, 위조가 어렵고, 비용 효율적인 생체 인식 기술이며, 시장 응용 가능성이 매우 넓습니다.
얼굴 인식 장치
얼굴 인식은 생체 인식 분야는 물론 인공지능 분야에서도 가장 어려운 연구 주제 중 하나로 꼽힌다. 얼굴 인식의 어려움은 주로 생체 특징인 얼굴의 특성으로 인해 발생합니다. 유사성은 개인마다 크게 다르지 않고, 모든 얼굴은 유사한 구조를 가지고 있으며, 심지어 얼굴 기관의 구조적 외관도 유사합니다. 이러한 특성은 얼굴을 이용한 측위에는 유리하지만, 얼굴을 이용하여 사람을 구별하는데는 불리하다. 또한 얼굴 인식은 조명 조건(예: 낮과 밤, 실내 및 실외 등), 얼굴을 많이 가리는 것(예: 마스크, 선글라스, 머리카락, 수염 등) 및 나이.
얼굴 인식에서 1군 변이는 확대하여 개인을 구별하는 기준으로 삼고, 2군 변이는 동일인을 나타낼 수 있으므로 제거해야 한다. 첫 번째 유형의 변동은 일반적으로 클래스 간 변동이라고 하고 두 번째 유형의 변동은 클래스 내 변동이라고 합니다. 얼굴의 경우 클래스 내 변동이 클래스 내 변동보다 크므로 클래스 내 변동에 의해 방해받을 때 클래스 간 변동을 사용하여 개인을 구별하기가 예외적으로 어렵습니다.
얼굴 인식 시스템은 주로 얼굴 이미지 획득 및 감지, 얼굴 이미지 전처리, 얼굴 이미지 특징 추출, 매칭 및 인식의 네 가지 구성 요소로 구성됩니다.
1. 얼굴 이미지 획득:
정적 이미지, 동적 이미지, 다른 위치, 다른 표정 및 기타 측면과 같은 다양한 얼굴 이미지를 카메라 렌즈를 통해 캡처할 수 있습니다. 사용자가 획득 장치의 촬영 범위 내에 있으면 획득 장치가 자동으로 사용자의 얼굴 이미지를 검색하여 촬영합니다. 얼굴 감지: 얼굴 감지는 실제로 얼굴 인식의 사전 처리, 즉 이미지에서 얼굴의 위치와 크기를 정확하게 보정하는 데 주로 사용됩니다. 얼굴 이미지는 히스토그램 특징, 색상 특징, 템플릿 특징, 구조 특징 및 Haar 특징과 같은 풍부한 패턴 특징을 포함합니다. 얼굴 감지는 이들 중에서 유용한 정보를 선택하고 이러한 기능을 사용하여 얼굴 감지를 달성하는 것입니다.
2. 얼굴 이미지 전처리:
얼굴에 대한 이미지 전처리는 얼굴 검출 결과를 기반으로 이미지를 처리하고 궁극적으로 특징 추출을 제공하는 프로세스입니다. 시스템에서 획득한 원본 이미지는 다양한 조건과 임의의 간섭으로 인해 직접 사용할 수 없는 경우가 많으며, 그레이스케일 보정, 노이즈 필터링 및 기타 이미지 전처리와 같은 이미지 처리 초기 단계에서 전처리해야 합니다. 얼굴 이미지의 경우 전처리 프로세스에는 주로 빛 보정, 그레이스케일 변환, 히스토그램 균등화, 정규화, 기하학적 보정, 얼굴 이미지 필터링 및 샤프닝이 포함됩니다. 삼.
얼굴 이미지 특징 추출: 얼굴 인식 시스템에서 사용할 수 있는 특징은 일반적으로 시각적 특징, 픽셀 통계적 특징, 얼굴 이미지 변환 계수 특징, 얼굴 이미지 대수적 특징 등으로 구분됩니다. 얼굴의 특정 특징에 대해 얼굴 특징 추출이 수행됩니다. 얼굴 특성화라고도 하는 얼굴 특징 추출은 얼굴의 특징 모델링 프로세스입니다. 얼굴 특징 추출 방법은 두 가지 범주로 요약됩니다. 하나는 지식 기반 특성화 방법입니다. 다른 하나는 대수적 특징 기반 또는 통계적 학습 특성화 방법입니다.
얼굴 이미지 매칭 및 인식: 추출된 얼굴 이미지의 특징 데이터를 임계값을 설정하여 데이터베이스에 저장된 특징 템플릿과 검색하여 매칭하고, 유사도가 이 임계값을 초과하면 매칭된 결과를 출력한다. 얼굴 인식은 인식하고자 하는 얼굴의 특징을 획득한 얼굴 특징 템플릿과 비교하고, 유사도에 따라 얼굴의 신원 정보를 판단하는 것이다. 이 프로세스는 일대일 이미지 비교 프로세스인 확인과 일대다 이미지 매칭 비교 프로세스인 인식의 두 가지 범주로 나뉩니다.
Copyright © 2022 chongqing huifan technology co., ltd - www.hfcctv.com All Rights Reserved.渝ICP备17010848号-4