क्या आप चेहरा पहचान उपस्थिति प्रौद्योगिकी के तीन एल्गोरिदम जानते हैं?

मुख्यधारा की चेहरा पहचान उपस्थिति प्रणालियों को मूल रूप से तीन श्रेणियों में वर्गीकृत किया जा सकता है, अर्थात्: ज्यामितीय विशेषताओं पर आधारित विधियां, टेम्पलेट्स पर आधारित विधियां और मॉडलों पर आधारित विधियां।
1. ज्यामितीय विशेषताओं पर आधारित विधि एक प्रारंभिक और पारंपरिक विधि है, और बेहतर परिणाम के लिए आमतौर पर इसे अन्य एल्गोरिदम के साथ जोड़ने की आवश्यकता होती है;
2. टेम्पलेट-आधारित विधियों को सहसंबंध मिलान, ईजेनफेस विधियों, रैखिक विभेदक विश्लेषण विधियों, एकल मूल्य अपघटन विधियों, तंत्रिका नेटवर्क विधियों, गतिशील कनेक्शन मिलान विधियों आदि के आधार पर विधियों में विभाजित किया जा सकता है।
3. मॉडल-आधारित विधियों में छिपे हुए मार्कोव मॉडल, सक्रिय आकार मॉडल और सक्रिय उपस्थिति मॉडल पर आधारित विधियां शामिल हैं।
ज्यामिति-आधारित विधियाँ
मानव चेहरा आंख, नाक, मुंह और ठोड़ी जैसे भागों से बना है। इन हिस्सों के आकार, आकार और संरचना में विभिन्न अंतरों के कारण ही दुनिया में हर इंसान का चेहरा बहुत अलग होता है। इसलिए, इन भागों के आकार और संरचनात्मक संबंध का ज्यामितीय विवरण, चेहरा पहचान उपस्थिति की एक महत्वपूर्ण विशेषता के रूप में उपयोग किया जा सकता है।
ज्यामितीय विशेषताओं का उपयोग पहली बार मानव चेहरे की प्रोफ़ाइल के विवरण और पहचान में किया गया था। सबसे पहले, प्रोफ़ाइल वक्र के अनुसार कई मुख्य बिंदु निर्धारित किए गए थे, और पहचान के लिए फीचर मेट्रिक्स का एक सेट, जैसे दूरी और कोण, इन मुख्य बिंदुओं से प्राप्त किए गए थे। जिया एट अल के अनुसार यह एक बहुत ही नवीन पद्धति है। फ्रंटल ग्रे इमेज में लाइन के पास इंटीग्रल प्रोजेक्शन द्वारा साइड प्रोफाइल इमेज का अनुकरण करें।
फ्रंटल फेस रिकग्निशन अटेंडेंस सिस्टम के लिए ज्यामितीय विशेषताओं का उपयोग आम तौर पर आंखों, मुंह और नाक जैसे महत्वपूर्ण फीचर बिंदुओं की स्थिति और वर्गीकरण सुविधाओं के रूप में आंखों जैसे महत्वपूर्ण अंगों की ज्यामितीय आकृतियों को निकालता है, लेकिन ज्यामितीय फीचर निष्कर्षण के प्रदर्शन का प्रयोगात्मक रूप से परीक्षण किया गया है। शोध, परिणाम आशावादी नहीं हैं.
विकृत टेम्पलेट विधि को ज्यामितीय सुविधा विधि का सुधार माना जा सकता है। इसका मूल विचार समायोज्य मापदंडों (यानी, एक विकृत टेम्पलेट) के साथ एक अंग मॉडल को डिजाइन करना, एक ऊर्जा फ़ंक्शन को परिभाषित करना और मॉडल मापदंडों को समायोजित करके ऊर्जा फ़ंक्शन को कम करना है। इस समय मॉडल मापदंडों का उपयोग अंग की ज्यामितीय विशेषताओं के रूप में किया जाता है।
इस विधि का विचार बहुत अच्छा है, लेकिन इसमें दो समस्याएँ हैं। एक यह है कि ऊर्जा फ़ंक्शन में विभिन्न लागतों के भार गुणांक केवल अनुभवजन्य रूप से निर्धारित किए जा सकते हैं, जिसे लोकप्रिय बनाना मुश्किल है। दूसरा यह है कि ऊर्जा फ़ंक्शन की अनुकूलन प्रक्रिया बहुत समय लेने वाली है और इसे व्यवहार में लागू करना कठिन है। पैरामीटर-आधारित चेहरा प्रतिनिधित्व चेहरे की मुख्य विशेषताओं का विवरण प्राप्त कर सकता है, लेकिन इसके लिए बहुत अधिक पूर्व-प्रसंस्करण और बढ़िया पैरामीटर चयन की आवश्यकता होती है। साथ ही, सामान्य ज्यामितीय विशेषताओं का उपयोग केवल घटकों के मूल आकार और संरचनात्मक संबंध का वर्णन करता है, स्थानीय सूक्ष्म विशेषताओं को नजरअंदाज करता है, जिसके परिणामस्वरूप जानकारी का हिस्सा खो जाता है, जो मोटे वर्गीकरण के लिए अधिक उपयुक्त है।