चेहरे और तस्वीरों के बीच चेहरे की पहचान की उपस्थिति कैसे अंतर करती है?

फेस रिकग्निशन टाइम अटेंडेंस टेक्नोलॉजी एक ऐसा उपकरण है जिसे मशीन कैमरे के माध्यम से छवियों को प्राप्त करती है और मानव पहचान का संचालन करती है। इस तकनीक का उपयोग मुख्य रूप से पहचान की पहचान में किया जाता है, जैसे कि वित्त, मोबाइल फोन लॉक, एक्सेस कंट्रोल और शॉपिंग में फेस भुगतान, आदि, फेस रिकग्निशन टाइम अटेंडेंस टेक्नोलॉजी हमारे दैनिक जीवन में पहले से मौजूद है। वास्तविक व्यक्ति पहचान फ़ंक्शन स्वाभाविक रूप से डिवाइस का चेहरा है। यदि यह एक फोटो है, क्योंकि यह एक विमान के नजरिए से मानव चेहरे के समान है, तो वास्तविक चेहरे को एक फोटो के साथ बदलने की धोखाधड़ी की समस्या से कैसे बचें।

मान्यता के दौरान, उपयोगकर्ता को केवल कार्रवाई के साथ सहयोग करने के लिए चेहरे की अभिव्यक्ति बनाने की आवश्यकता होती है, जैसे कि मरम्मत, एक विशिष्ट अभिव्यक्ति ग्रिमस बनाएं, क्योंकि फोटो में इस तरह की एक विशिष्ट कार्रवाई को प्राप्त करना मुश्किल है, और इस तरह फोटो धोखाधड़ी से बच सकते हैं, चेहरा मान्यता उपस्थिति अनुसंधान के अनुसार कर्मियों की स्वीकारोक्ति के अनुसार, ब्लिंकिंग का पता लगाना एक बहुत ही विश्वसनीय तरीका है।
चेहरे की मान्यता और उपस्थिति प्रणाली में त्रुटि दर को कम करने के लिए, सिस्टम मौजूदा फोटोग्राफी में उपयोग किए जाने वाले चेहरे का पता लगाने के एल्गोरिथ्म पर गहराई की जानकारी लागू करता है, और समझदारी से चेहरे की खिड़की के आकार को चेहरे की खिड़की के गहराई निर्देशांक के अनुसार स्केल करता है, कि है, चेहरा कैमरे से है, आसपास का कैप्चर फ्रेम छोटा है।
यह विधि दृश्य पर प्रकाश विकिरण के एक नक्शे को प्रोजेक्ट करने के लिए विशेष अवरक्त किरणों का उपयोग करती है, जिसे बाद में एक गहराई के नक्शे में परिवर्तित किया जाता है, और जबकि सिस्टम अधिकांश चेहरों की पहचान कर सकता है, इसमें व्यक्तिगत चेहरों के बीच अंतर की पहचान करने की क्षमता का अभाव है, इसलिए यह बायोमेट्रिक्स नहीं है अपने आप में एक समाधान के बजाय, यह व्यापक प्रमाणीकरण प्रणाली में एक महत्वपूर्ण लाइन-ऑफ-विज़न कदम बन सकता है।
डिजिटल वीडियो स्ट्रीम में चेहरे का पता लगाने के लिए, एक दृश्य में, यदि कई लोग हैं, तो गहराई की जानकारी का उपयोग करना, लेंस से अलग -अलग लोगों की दूरी के अनुसार चेहरा विफल हो सकता है। सामान्यीकृत चेहरे की मान्यता उपस्थिति वास्तव में चेहरे की पहचान की उपस्थिति का निर्माण शामिल है, सिस्टम की संबंधित प्रौद्योगिकियों की एक श्रृंखला, जिसमें फेस इमेज अधिग्रहण, फेस पोजिशनिंग, फेस रिकग्निशन अटेंडेंस प्रीप्रोसेसिंग, आइडेंटिटी कन्फर्मेशन और आइडेंटिटी सर्च, आदि शामिल हैं, और फेस रिकग्निशन अटेंडेंस इन ए में संकीर्ण भावना चेहरे की प्रौद्योगिकी या प्रणाली के माध्यम से पहचान की पुष्टि या पहचान खोज को संदर्भित करती है।
कुछ पहचान सत्यापन परिदृश्यों में वस्तुओं की वास्तविक शारीरिक विशेषताओं को निर्धारित करने के लिए Livene का पता लगाना एक विधि है। Livene का पता लगाने को मुख्य रूप से दो प्रकारों में विभाजित किया जाता है, सहकारी लिविनेस डिटेक्शन और गैर-सहकारी लिविनेशन मान्यता।
1. कोऑपरेटिव लिविनेस डिटेक्शन: फेस डिटेक्शन सिस्टम कुछ यादृच्छिक कमांड क्रियाओं को भेजता है, जैसे कि ब्लिंकिंग, सिर को मोड़ना और मुंह खोलना।
2. नॉन-कोऑपरेटिव लिविनेस डिटेक्शन: इन्फ्रारेड कैमरा रिफाइंड डिटेक्शन के लिए इमेजेज एकत्र करता है, और इस प्रक्रिया को किसी भी निर्दिष्ट क्रियाओं के साथ सहयोग करने की आवश्यकता नहीं है।
यहां मैं इन्फ्रारेड कैमरों और साधारण कैमरों के बीच अंतर के बारे में बात करूंगा। साधारण कैमरों की तुलना में, अवरक्त कैमरों और साधारण कैमरों के बीच सबसे बड़ा अंतर प्रकाश स्रोत में अंतर है। सबसे पहले, कैमरों की इमेजिंग के लिए, प्रकाश वस्तुओं पर विकिरणित होता है, फैलाना बिखरना होता है, और परिलक्षित होता है कि प्रकाश के पीछे भाग को छवि सेंसर की सतह पर ध्यान केंद्रित करने के लिए लेंस द्वारा प्राप्त किया जाएगा, और फिर एक विद्युत संकेत में परिवर्तित हो गया , (ए/डी) एनालॉग-टू-डिजिटल रूपांतरण के बाद, एक डिजिटल छवि सिग्नल में परिवर्तित हो गया, और फिर प्रसंस्करण के लिए डिजिटल सिग्नल प्रोसेसिंग चिप में भेजा गया, और अंत में यूएसबी के माध्यम से इंटरफ़ेस को सिस्टम में स्थानांतरित किया जाता है और अंत में प्रदर्शित किया जाता है। निगरानी करना।
साधारण कैमरों की तुलना में, अवरक्त कैमरों और साधारण कैमरों के बीच सबसे बड़ा अंतर प्रकाश स्रोत है। साधारण कैमरों का प्रकाश स्रोत दृश्यमान प्रकाश से आता है, अर्थात्, धूप। अंतर्निहित इन्फ्रारेड लैंप इन्फ्रारेड किरणों का उत्सर्जन करता है, जो कि ऑब्जेक्ट पर विकिरणित होने के बाद कैमरे द्वारा फैलने और प्राप्त किए जाते हैं।
1. इमेजिंग सिद्धांत
हम जानते हैं कि क्या यह प्रकाश या अवरक्त प्रकाश दिखाई दे रहा है, मूल सार विद्युत चुम्बकीय तरंगों है। अंत में हम जिस छवि को देखते हैं, वह सामग्री सतह के चिंतनशील गुणों से संबंधित है। वास्तविक मानव चेहरे और कागज, स्क्रीन, तीन-आयामी मास्क और अन्य हमला मीडिया प्रतिबिंब विशेषताएं सभी अलग-अलग हैं, इसलिए इमेजिंग भी अलग है, और यह अंतर अवरक्त तरंग प्रतिबिंब में अधिक स्पष्ट होगा। उदाहरण के लिए, एक स्क्रीन के अवरक्त इमेजिंग तस्वीर में, केवल सफेद फूलों का एक टुकड़ा है, यहां तक ​​कि एक मानव चेहरा भी नहीं। , ताकि गलतफहमी से बचें।
2. अंतर्निहित एल्गोरिथ्म
ऑप्टिकल प्रवाह विधि के अनुसार, छवि अनुक्रम में पिक्सेल तीव्रता डेटा के अस्थायी भिन्नता और सहसंबंध का उपयोग संबंधित पिक्सेल पदों के आंदोलन को निर्धारित करने के लिए किया जाता है, और प्रत्येक पिक्सेल बिंदु की चल रही जानकारी को छवि अनुक्रम से प्राप्त किया जाता है, गॉसियन का उपयोग करके। अंतर फ़िल्टर, एलबीपी विशेषताओं और समर्थन वैक्टर एक ही समय में, ऑप्टिकल प्रवाह क्षेत्र वस्तुओं के आंदोलन के प्रति संवेदनशील है, और ऑप्टिकल प्रवाह क्षेत्र का उपयोग समान रूप से आंखों की गति और पलक का पता लगाने के लिए किया जा सकता है। यह लाइव डिटेक्शन विधि उपयोगकर्ता के सहयोग के बिना अंधा पहचान प्राप्त कर सकती है।
अन्य जजिंग विधियों में 3 डी फेस डिटेक्शन शामिल है, जो एक चेहरे को शूट करने के लिए एक 3 डी कैमरे का उपयोग करता है, कैमरे द्वारा प्राप्त डेटा को एकीकृत करता है, एक चेहरे को संश्लेषित करता है, इसका विश्लेषण करता है, और अंत में न्याय करता है कि क्या यह एक वास्तविक चेहरा है या एक तस्वीर है।