Kakšna je razlika med zaznavanjem in prepoznavanjem obraza
Tehnologija med zaznavanjem in prepoznavanjem obrazov je veliko narazen, vendar ta dva člena povzročata veliko zmede. Zaznavanje obrazov deluje samo tako, da zajame slike osebe, ki hodi skozi dobro pozicionirano območje in kamero, nato pa te obraze shrani v zbirko podatkov, po kateri je mogoče iskati.
Prepoznavanje obrazov deluje tako, da zbere shranjene slike in jih primerja z znanimi obrazi v bazi podatkov. Kot lahko vidite, je to dvostopenjski postopek. Samostojni sistem nima procesorske moči, ki je potrebna za istočasno zaznavanje in prepoznavanje obrazov.
Dandanes postaja zaznavanje obrazov običajno pri nekaterih sistemskih kamerah DVR ali NVR . Z izboljšanjem ločljivosti in gostote slikovnih pik fotoaparata bo veliko naprav opremljeno z zaznavanjem obrazov in številnimi drugimi funkcijami IVS.
Samostojni DVR-ji in NVR-ji ne bodo imeli prepoznavanja obrazov, vgrajenega v osrednji sistem, saj je ta tehnologija oddaljena še mnogo generacij.
Vendar pa je zaznavanje obrazov lahko koristna funkcija v določenih situacijah. Dobro postavljena in pod dobrim kotom kamera pred vhodom lahko ujame obraze ljudi in jih lokalno shrani v zbirko podatkov, po kateri je mogoče iskati.
Ta funkcija je lahko zelo priročna, če je vaš varnostni sistem nastavljen na pošiljanje opozoril na vaš telefon, zato, ko nekdo vstopi v snemalnik, pošlje posnetek njegovega obraza na vaš telefon.
Nekateri algoritmi za prepoznavanje obraza prepoznajo obrazne poteze tako, da izvlečejo mejnike ali poteze iz slike obraza osebe. Algoritem lahko na primer analizira relativni položaj, velikost in/ali obliko oči, nosu, ličnic in čeljusti.
Te funkcije se nato uporabijo za iskanje drugih slik z ustreznimi funkcijami. Drugi algoritmi normalizirajo galerijo slik obrazov in nato stisnejo podatke o obrazu, pri čemer shranijo le tiste podatke na sliki, ki so uporabni za prepoznavanje obraza. A
slika sonde se nato primerja s podatki o obrazu. Algoritme za prepoznavanje lahko razdelimo na dva glavna pristopa, geometrijski, ki obravnava razlikovalne značilnosti, in fotometrični, ki je statistični pristop, ki sliko razdeli na vrednosti in primerja vrednosti s predlogami, da se odpravijo odstopanja.
Priljubljeni algoritmi za prepoznavanje vključujejo analizo glavnih komponent z uporabo lastnih ploskev, linearno diskriminantno analizo, ujemanje elastičnih grafov s pomočjo algoritma Fisherface, skriti Markovljev model, multilinearno učenje podprostora z uporabo tenzorske predstavitve in nevronsko motivirano ujemanje dinamičnih povezav.
Na novo nastajajoči trend, za katerega naj bi dosegli večjo natančnost, je tridimenzionalno prepoznavanje obraza. Ta tehnika uporablja 3D senzorje za zajemanje informacij o obliki obraza.
Te informacije se nato uporabijo za prepoznavanje značilnih značilnosti na površini obraza, kot so obrisi očesnih votlin, nosu in brade.
Ena od prednosti 3D prepoznavanja obrazov je, da nanj ne vplivajo spremembe osvetlitve kot na druge tehnike. Prav tako lahko prepozna obraz iz različnih kotov gledanja, vključno s pogledom profila.