ಮುಖ ಗುರುತಿಸುವಿಕೆ ಹಾಜರಾತಿ ತಂತ್ರಜ್ಞಾನದ ಮೂರು ಕ್ರಮಾವಳಿಗಳು ನಿಮಗೆ ತಿಳಿದಿದೆಯೇ?

ಮುಖ ಗುರುತಿಸುವಿಕೆ ಹಾಜರಾತಿ ತಂತ್ರಜ್ಞಾನವು ಮೊದಲು ಮುಖದ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ ಮತ್ತು ಹಾಜರಾತಿ ಯಂತ್ರವು ಪಾದಚಾರಿ ಮಾರ್ಗಕ್ಕೆ ಪ್ರವೇಶಿಸಿದಾಗ ಮತ್ತು ನಿರ್ಗಮಿಸಿದಾಗ ಅದನ್ನು ಮುಖದ ಡೇಟಾಬೇಸ್‌ನೊಂದಿಗೆ ಹೋಲಿಸುತ್ತದೆ. ಹೋಲಿಕೆ ಯಶಸ್ವಿಯಾದರೆ, ಹಾಜರಾತಿ ಯಂತ್ರವು ತೆರೆಯುತ್ತದೆ; ಹೋಲಿಕೆ ವಿಫಲವಾದರೆ, ಹಾಜರಾತಿ ಯಂತ್ರವು ತೆರೆಯುವುದಿಲ್ಲ; ಮುಖ ಗುರುತಿಸುವಿಕೆ ಹಾಜರಾತಿ ಪ್ರವೇಶ ನಿಯಂತ್ರಣ ಸಾಧನಗಳ ಮೇಲೆ ಬಳಕೆದಾರರ ಡೇಟಾ ಹೋಲಿಕೆಯನ್ನು ನಿರ್ವಹಣೆ ಆಧರಿಸಿದೆ, ಮತ್ತು ಚಾನಲ್ ನಿಯಂತ್ರಣ ಪ್ರದೇಶಕ್ಕೆ ಪ್ರವೇಶಿಸುವ ಮತ್ತು ನಿರ್ಗಮಿಸುವ ಸಿಬ್ಬಂದಿಗಳ ಸ್ವಯಂಚಾಲಿತ ನಿರ್ವಹಣೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಅರಿತುಕೊಳ್ಳಲು ಕಂಪ್ಯೂಟರ್ ಅನ್ನು ಹಿನ್ನೆಲೆ ಸಂಸ್ಕರಣಾ ಸಾಧನವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಬಳಕೆದಾರರ ನೋಂದಣಿ ದಾಖಲೆಗಳ ಪ್ರಕಾರ, ಇದು ಸಮಯದಂತಹ ವಿವಿಧ ವಿಂಗಡಣೆ ಷರತ್ತುಗಳ ಪ್ರಕಾರ ರಫ್ತು ಮಾಡಬಹುದಾದ ಪ್ರವೇಶ ನಿಯಂತ್ರಣ ದಾಖಲೆ ವರದಿಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಮತ್ತು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಉತ್ಪಾದಿಸಬಹುದು, ಇದು ವ್ಯವಸ್ಥಾಪಕರಿಗೆ ದಾಖಲೆಗಳನ್ನು ಪ್ರಶ್ನಿಸಲು ಅನುಕೂಲಕರವಾಗಿದೆ ಮತ್ತು ಇದನ್ನು ಸಹ ಬಳಸಬಹುದು ಆಂತರಿಕ ಸಿಬ್ಬಂದಿಗೆ ಸ್ವಯಂಚಾಲಿತ ಹಾಜರಾತಿ ವ್ಯವಸ್ಥೆ.

ಮುಖ್ಯವಾಹಿನಿಯ ಮುಖ ಗುರುತಿಸುವಿಕೆ ಹಾಜರಾತಿ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಮೂಲತಃ ಮೂರು ವರ್ಗಗಳಾಗಿ ವಿಂಗಡಿಸಬಹುದು, ಅವುಗಳೆಂದರೆ: ಜ್ಯಾಮಿತೀಯ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಆಧರಿಸಿದ ವಿಧಾನಗಳು, ಟೆಂಪ್ಲೇಟ್‌ಗಳನ್ನು ಆಧರಿಸಿದ ವಿಧಾನಗಳು ಮತ್ತು ಮಾದರಿಗಳನ್ನು ಆಧರಿಸಿದ ವಿಧಾನಗಳು.
1. ಜ್ಯಾಮಿತೀಯ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಆಧರಿಸಿದ ವಿಧಾನವು ಆರಂಭಿಕ ಮತ್ತು ಸಾಂಪ್ರದಾಯಿಕ ವಿಧಾನವಾಗಿದೆ, ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ಉತ್ತಮ ಫಲಿತಾಂಶಗಳನ್ನು ಹೊಂದಲು ಇತರ ಕ್ರಮಾವಳಿಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸಬೇಕಾಗುತ್ತದೆ;
.
3. ಮಾದರಿ ಆಧಾರಿತ ವಿಧಾನಗಳು ಗುಪ್ತ ಮಾರ್ಕೊವ್ ಮಾದರಿಗಳು, ಸಕ್ರಿಯ ಆಕಾರದ ಮಾದರಿಗಳು ಮತ್ತು ಸಕ್ರಿಯ ನೋಟ ಮಾದರಿಗಳನ್ನು ಆಧರಿಸಿದ ವಿಧಾನಗಳನ್ನು ಒಳಗೊಂಡಿವೆ.
ಜ್ಯಾಮಿತಿ ಆಧಾರಿತ ವಿಧಾನಗಳು
ಮಾನವನ ಮುಖವು ಕಣ್ಣುಗಳು, ಮೂಗು, ಬಾಯಿ ಮತ್ತು ಗಲ್ಲದಂತಹ ಭಾಗಗಳಿಂದ ಕೂಡಿದೆ. ಈ ಭಾಗಗಳ ಆಕಾರ, ಗಾತ್ರ ಮತ್ತು ರಚನೆಯಲ್ಲಿನ ವಿವಿಧ ವ್ಯತ್ಯಾಸಗಳಿಂದಾಗಿ, ಪ್ರಪಂಚದ ಪ್ರತಿಯೊಂದು ಮಾನವ ಮುಖವು ತುಂಬಾ ಭಿನ್ನವಾಗಿದೆ. ಆದ್ದರಿಂದ, ಈ ಭಾಗಗಳ ಆಕಾರ ಮತ್ತು ರಚನಾತ್ಮಕ ಸಂಬಂಧದ ಜ್ಯಾಮಿತೀಯ ವಿವರಣೆಯನ್ನು ಮುಖ ಗುರುತಿಸುವಿಕೆ ಹಾಜರಾತಿಯ ಪ್ರಮುಖ ಲಕ್ಷಣವಾಗಿ ಬಳಸಬಹುದು.
ಮಾನವ ಮುಖದ ಪ್ರೊಫೈಲ್‌ನ ವಿವರಣೆಯಲ್ಲಿ ಮತ್ತು ಗುರುತಿಸುವಿಕೆಯಲ್ಲಿ ಜ್ಯಾಮಿತೀಯ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಮೊದಲು ಬಳಸಲಾಯಿತು. ಮೊದಲನೆಯದಾಗಿ, ಪ್ರೊಫೈಲ್ ಕರ್ವ್ ಪ್ರಕಾರ ಹಲವಾರು ಪ್ರಮುಖ ಬಿಂದುಗಳನ್ನು ನಿರ್ಧರಿಸಲಾಯಿತು, ಮತ್ತು ದೂರ ಮತ್ತು ಕೋನದಂತಹ ಗುರುತಿಸುವಿಕೆಗಾಗಿ ವೈಶಿಷ್ಟ್ಯದ ಮೆಟ್ರಿಕ್‌ಗಳ ಒಂದು ಗುಂಪನ್ನು ಈ ಪ್ರಮುಖ ಬಿಂದುಗಳಿಂದ ಪಡೆಯಲಾಗಿದೆ. ಇದು ಜಿಯಾ ಮತ್ತು ಇತರರು ಬಹಳ ನವೀನ ವಿಧಾನವಾಗಿದೆ. ಮುಂಭಾಗದ ಬೂದು ಚಿತ್ರದಲ್ಲಿನ ರೇಖೆಯ ಬಳಿ ಅವಿಭಾಜ್ಯ ಪ್ರೊಜೆಕ್ಷನ್‌ನಿಂದ ಸೈಡ್ ಪ್ರೊಫೈಲ್ ಚಿತ್ರವನ್ನು ಅನುಕರಿಸಿ.
ಮುಂಭಾಗದ ಮುಖ ಗುರುತಿಸುವಿಕೆ ಹಾಜರಾತಿ ವ್ಯವಸ್ಥೆಗೆ ಜ್ಯಾಮಿತೀಯ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಬಳಸುವುದರಿಂದ ಸಾಮಾನ್ಯವಾಗಿ ಕಣ್ಣುಗಳು, ಬಾಯಿ ಮತ್ತು ಮೂಗಿನಂತಹ ಪ್ರಮುಖ ವೈಶಿಷ್ಟ್ಯ ಬಿಂದುಗಳ ಸ್ಥಾನಗಳು ಮತ್ತು ಕಣ್ಣುಗಳಂತಹ ಪ್ರಮುಖ ಅಂಗಗಳ ಜ್ಯಾಮಿತೀಯ ಆಕಾರಗಳು ವರ್ಗೀಕರಣದ ಲಕ್ಷಣಗಳಾಗಿವೆ, ಆದರೆ ಜ್ಯಾಮಿತೀಯ ವೈಶಿಷ್ಟ್ಯ ಹೊರತೆಗೆಯುವಿಕೆಯ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಪರೀಕ್ಷಿಸಲಾಗಿದೆ ಪ್ರಾಯೋಗಿಕವಾಗಿ. ಸಂಶೋಧನೆ, ಫಲಿತಾಂಶಗಳು ಆಶಾವಾದವಲ್ಲ.
ವಿರೂಪಗೊಳಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್ ವಿಧಾನವನ್ನು ಜ್ಯಾಮಿತೀಯ ವೈಶಿಷ್ಟ್ಯ ವಿಧಾನದ ಸುಧಾರಣೆಯೆಂದು ಪರಿಗಣಿಸಬಹುದು. ಹೊಂದಾಣಿಕೆ ನಿಯತಾಂಕಗಳೊಂದಿಗೆ ಅಂಗ ಮಾದರಿಯನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವುದು (ಅಂದರೆ, ವಿರೂಪಗೊಳಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್), ಶಕ್ತಿಯ ಕಾರ್ಯವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು ಮತ್ತು ಮಾದರಿ ನಿಯತಾಂಕಗಳನ್ನು ಸರಿಹೊಂದಿಸುವ ಮೂಲಕ ಶಕ್ತಿಯ ಕಾರ್ಯವನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು ಇದರ ಮೂಲ ಕಲ್ಪನೆ. ಈ ಸಮಯದಲ್ಲಿ ಮಾದರಿ ನಿಯತಾಂಕಗಳನ್ನು ಅಂಗದ ಜ್ಯಾಮಿತೀಯ ಲಕ್ಷಣಗಳಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ.
ಈ ವಿಧಾನದ ಕಲ್ಪನೆಯು ತುಂಬಾ ಒಳ್ಳೆಯದು, ಆದರೆ ಎರಡು ಸಮಸ್ಯೆಗಳಿವೆ. ಒಂದು, ಶಕ್ತಿಯ ಕಾರ್ಯದಲ್ಲಿನ ವಿವಿಧ ವೆಚ್ಚಗಳ ತೂಕದ ಗುಣಾಂಕಗಳನ್ನು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಮಾತ್ರ ನಿರ್ಧರಿಸಬಹುದು, ಇದನ್ನು ಜನಪ್ರಿಯಗೊಳಿಸುವುದು ಕಷ್ಟ. ಇನ್ನೊಂದು, ಶಕ್ತಿಯ ಕಾರ್ಯದ ಆಪ್ಟಿಮೈಸೇಶನ್ ಪ್ರಕ್ರಿಯೆಯು ಬಹಳ ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಆಚರಣೆಯಲ್ಲಿ ಅನ್ವಯಿಸಲು ಕಷ್ಟ. ನಿಯತಾಂಕ ಆಧಾರಿತ ಮುಖದ ಪ್ರಾತಿನಿಧ್ಯವು ಮುಖದ ಪ್ರಮುಖ ವೈಶಿಷ್ಟ್ಯಗಳ ವಿವರಣೆಯನ್ನು ಸಾಧಿಸಬಹುದು, ಆದರೆ ಇದಕ್ಕೆ ಸಾಕಷ್ಟು ಪೂರ್ವ-ಪ್ರಕ್ರಿಯೆ ಮತ್ತು ಉತ್ತಮ ನಿಯತಾಂಕದ ಆಯ್ಕೆಯ ಅಗತ್ಯವಿರುತ್ತದೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಸಾಮಾನ್ಯ ಜ್ಯಾಮಿತೀಯ ವೈಶಿಷ್ಟ್ಯಗಳ ಬಳಕೆಯು ಘಟಕಗಳ ಮೂಲ ಆಕಾರ ಮತ್ತು ರಚನಾತ್ಮಕ ಸಂಬಂಧವನ್ನು ಮಾತ್ರ ವಿವರಿಸುತ್ತದೆ, ಸ್ಥಳೀಯ ಸೂಕ್ಷ್ಮ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ನಿರ್ಲಕ್ಷಿಸುತ್ತದೆ, ಇದರ ಪರಿಣಾಮವಾಗಿ ಮಾಹಿತಿಯ ಒಂದು ಭಾಗ ನಷ್ಟವಾಗುತ್ತದೆ, ಇದು ಒರಟು ವರ್ಗೀಕರಣಕ್ಕೆ ಹೆಚ್ಚು ಸೂಕ್ತವಾಗಿದೆ