您的當前位置:

智能人臉識別鎖

人臉識別的英文名稱是 Human Face Recognition.人臉識別產品利用AVS03A圖像處理器;可以對人臉明暗偵測,自動調整動態曝光補償,人臉追蹤偵測,自動調整影像放大。

廣義的人臉識別實際包括構建人臉識別係統的一係列相關技術,包括人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等;而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或係統。[1]

人臉識別是一項熱門的計算機技術研究領域,它屬於生物特征識別技術,是對生物體(一般特指人)本身的生物特征來區分生物體個體。生物特征識別技術所研究的生物特征包括臉、指紋、手掌紋、虹膜、視網膜、聲音(語音)、體形、個人習慣(例如敲擊鍵盤的力度和頻率、簽字)等,相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別(用語音識別可以進行身份識別,也可以進行語音內容的識別,隻有前者屬於生物特征識別技術)、體形識別、鍵盤敲擊識別、簽字識別等。


0.00
0.00
  

人臉識別的英文名稱是 Human Face Recognition.人臉識別產品利用AVS03A圖像處理器;可以對人臉明暗偵測,自動調整動態曝光補償,人臉追蹤偵測,自動調整影像放大。

廣義的人臉識別實際包括構建人臉識別係統的一係列相關技術,包括人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等;而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或係統。[1]

人臉識別是一項熱門的計算機技術研究領域,它屬於生物特征識別技術,是對生物體(一般特指人)本身的生物特征來區分生物體個體。生物特征識別技術所研究的生物特征包括臉、指紋、手掌紋、虹膜、視網膜、聲音(語音)、體形、個人習慣(例如敲擊鍵盤的力度和頻率、簽字)等,相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別(用語音識別可以進行身份識別,也可以進行語音內容的識別,隻有前者屬於生物特征識別技術)、體形識別、鍵盤敲擊識別、簽字識別等。


人臉識別的英文名稱是 Human Face Recognition.人臉識別產品利用AVS03A圖像處理器;可以對人臉明暗偵測,自動調整動態曝光補償,人臉追蹤偵測,自動調整影像放大。

廣義的人臉識別實際包括構建人臉識別係統的一係列相關技術,包括人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等;而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或係統。[1]

人臉識別是一項熱門的計算機技術研究領域,它屬於生物特征識別技術,是對生物體(一般特指人)本身的生物特征來區分生物體個體。生物特征識別技術所研究的生物特征包括臉、指紋、手掌紋、虹膜、視網膜、聲音(語音)、體形、個人習慣(例如敲擊鍵盤的力度和頻率、簽字)等,相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別(用語音識別可以進行身份識別,也可以進行語音內容的識別,隻有前者屬於生物特征識別技術)、體形識別、鍵盤敲擊識別、簽字識別等。

人臉識別技術包含三個部分:

(1)人臉檢測

麵貌檢測是指在動態的場景與複雜的背景中判斷是否存在麵像,並分離出這種麵像。一般有下列幾種方法:

①參考模板法

首先設計一個或數個標準人臉的模板,然後計算測試采集的樣品與標準模板之間的匹配程度,並通過閾值來判斷是否存在人臉;

②人臉規則法

由於人臉具有一定的結構分布特征,所謂人臉規則的方法即提取這些特征生成相應的規則以判斷測試樣品是否包含人臉;

③樣品學習法

這種方法即采用模式識別中人工神經網絡的方法,即通過對麵像樣品集和非麵像樣品集的學習產生分類器;

④膚色模型法

這種方法是依據麵貌膚色在色彩空間中分布相對集中的規律來進行檢測。

⑤特征子臉法

這種方法是將所有麵像集合視為一個麵像子空間,並基於檢測樣品與其在子孔間的投影之間的距離判斷是否存在麵像。

值得提出的是,上述5種方法在實際檢測係統中也可綜合采用。

(2)人臉跟蹤

麵貌跟蹤是指對被檢測到的麵貌進行動態目標跟蹤。具體采用基於模型的方法或基於運動與模型相結合的方法。此外,利用膚色模型跟蹤也不失為一種簡單而有效的手段。

(3)人臉比對

麵貌比對是對被檢測到的麵貌像進行身份確認或在麵像庫中進行目標搜索。這實際上就是說,將采樣到的麵像與庫存的麵像依次進行比對,並找出最佳的匹配對象。所以,麵像的描述決定了麵像識別的具體方法與性能。目前主要采用特征向量與麵紋模板兩種描述方法:

①特征向量法

該方法是先確定眼虹膜、鼻翼、嘴角等麵像五官輪廓的大小、位置、距離等屬性,然後再計算出它們的幾何特征量,而這些特征量形成一描述該麵像的特征向量。

②麵紋模板法

該方法是在庫中存貯若幹標準麵像模板或麵像器官模板,在進行比對時,將采樣麵像所有象素與庫中所有模板采用歸一化相關量度量進行匹配。此外,還有采用模式識別的自相關網絡或特征與模板相結合的方法。

人臉識別技術的核心實際為“局部人體特征分析”和“圖形/神經識別算法。”這種算法是利用人體麵部各器官及特征部位的方法。如對應幾何關係多數據形成識別參數與數據庫中所有的原始參數進行比較、判斷與確認。一般要求判斷時間低於1秒。