ಮುಖ ಗುರುತಿಸುವಿಕೆ ಹಾಜರಾತಿ ಮುಖಗಳು ಮತ್ತು ಫೋಟೋಗಳ ನಡುವೆ ಹೇಗೆ ವ್ಯತ್ಯಾಸವನ್ನು ತೋರಿಸುತ್ತದೆ?

ಫೇಸ್ ರೆಕಗ್ನಿಷನ್ ಟೈಮ್ ಹಾಜರಾತಿ ತಂತ್ರಜ್ಞಾನವು ಯಂತ್ರವು ಕ್ಯಾಮೆರಾದ ಮೂಲಕ ಚಿತ್ರಗಳನ್ನು ಪಡೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಮಾನವ ಗುರುತನ್ನು ನಡೆಸುವ ಸಾಧನವಾಗಿದೆ. ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ಮುಖ್ಯವಾಗಿ ಗುರುತಿನ ಗುರುತಿಸುವಿಕೆಯಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ, ಉದಾಹರಣೆಗೆ ಹಣಕಾಸು, ಮೊಬೈಲ್ ಫೋನ್ ಲಾಕ್‌ಗಳು, ಪ್ರವೇಶ ನಿಯಂತ್ರಣ ಮತ್ತು ಶಾಪಿಂಗ್‌ನಲ್ಲಿ ಮುಖ ಪಾವತಿ ಇತ್ಯಾದಿ, ಮುಖ ಗುರುತಿಸುವಿಕೆ ಸಮಯ ಹಾಜರಾತಿ ತಂತ್ರಜ್ಞಾನವು ನಮ್ಮ ದೈನಂದಿನ ಜೀವನದಲ್ಲಿ ಈಗಾಗಲೇ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ. ನಿಜವಾದ ವ್ಯಕ್ತಿ ಗುರುತಿನ ಕಾರ್ಯವು ಸ್ವಾಭಾವಿಕವಾಗಿ ಸಾಧನದ ಮುಖವಾಗಿದೆ. ಇದು ಫೋಟೋವಾಗಿದ್ದರೆ, ಅದು ಸಮತಲ ದೃಷ್ಟಿಕೋನದಿಂದ ಮಾನವ ಮುಖದಂತೆಯೇ ಇರುತ್ತದೆ, ನೈಜ ಮುಖವನ್ನು ಫೋಟೋದೊಂದಿಗೆ ಬದಲಾಯಿಸುವ ಮೋಸದ ಸಮಸ್ಯೆಯನ್ನು ಹೇಗೆ ತಪ್ಪಿಸುವುದು.

ಗುರುತಿಸುವಿಕೆಯ ಸಮಯದಲ್ಲಿ, ಬಳಕೆದಾರರು ದುರಸ್ತಿಯಂತಹ ಕ್ರಿಯೆಯೊಂದಿಗೆ ಸಹಕರಿಸಲು ಮುಖದ ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ಮಾತ್ರ ಮಾಡಬೇಕಾಗಿದೆ, ನಿರ್ದಿಷ್ಟ ಅಭಿವ್ಯಕ್ತಿ ಕಠೋರತೆಯನ್ನು ಮಾಡುತ್ತದೆ, ಏಕೆಂದರೆ ಫೋಟೋದಲ್ಲಿ ಅಂತಹ ನಿರ್ದಿಷ್ಟ ಕ್ರಿಯೆಯನ್ನು ಸಾಧಿಸುವುದು ಕಷ್ಟ, ಮತ್ತು ಆದ್ದರಿಂದ ಫೋಟೋ ವಂಚನೆಯನ್ನು ತಪ್ಪಿಸಬಹುದು, ಮುಖ ಗುರುತಿಸುವಿಕೆ ಹಾಜರಾತಿ ಸಂಶೋಧನೆಯ ಪ್ರಕಾರ, ಸಿಬ್ಬಂದಿಗಳ ತಪ್ಪೊಪ್ಪಿಗೆಯ ಪ್ರಕಾರ, ಮಿಟುಕಿಸುವಿಕೆಯನ್ನು ಪತ್ತೆಹಚ್ಚುವುದು ಬಹಳ ವಿಶ್ವಾಸಾರ್ಹ ವಿಧಾನವಾಗಿದೆ.
ಮುಖ ಗುರುತಿಸುವಿಕೆ ಮತ್ತು ಹಾಜರಾತಿ ವ್ಯವಸ್ಥೆಯಲ್ಲಿನ ದೋಷ ದರವನ್ನು ಕಡಿಮೆ ಮಾಡಲು, ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ography ಾಯಾಗ್ರಹಣದಲ್ಲಿ ಬಳಸಲಾದ ಮುಖ ಪತ್ತೆ ಅಲ್ಗಾರಿದಮ್‌ಗೆ ವ್ಯವಸ್ಥೆಯು ಆಳವಾದ ಮಾಹಿತಿಯನ್ನು ಅನ್ವಯಿಸುತ್ತದೆ ಮತ್ತು ಮುಖದ ವಿಂಡೋದ ಆಳ ನಿರ್ದೇಶಾಂಕಗಳ ಪ್ರಕಾರ ಮುಖದ ಕಿಟಕಿಯ ಗಾತ್ರವನ್ನು ಬುದ್ಧಿವಂತಿಕೆಯಿಂದ ಮಾಪನ ಮಾಡುತ್ತದೆ, ಅದು ಅದು ಅಂದರೆ, ಮುಖವು ಕ್ಯಾಮೆರಾದಿಂದ ಬಂದಿದೆ, ಸುತ್ತಮುತ್ತಲಿನ ಕ್ಯಾಪ್ಚರ್ ಫ್ರೇಮ್ ಚಿಕ್ಕದಾಗಿದೆ.
ಬೆಳಕಿನ ವಿಕಿರಣದ ನಕ್ಷೆಯನ್ನು ದೃಶ್ಯಕ್ಕೆ ಯೋಜಿಸಲು ಈ ವಿಧಾನವು ವಿಶೇಷ ಅತಿಗೆಂಪು ಕಿರಣಗಳನ್ನು ಬಳಸುತ್ತದೆ, ನಂತರ ಅದನ್ನು ಆಳವಾದ ನಕ್ಷೆಯಾಗಿ ಪರಿವರ್ತಿಸಲಾಗುತ್ತದೆ, ಮತ್ತು ವ್ಯವಸ್ಥೆಯು ಹೆಚ್ಚಿನ ಮುಖಗಳನ್ನು ಗುರುತಿಸಬಹುದಾದರೂ, ವೈಯಕ್ತಿಕ ಮುಖಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಇದು ಹೊಂದಿರುವುದಿಲ್ಲ, ಆದ್ದರಿಂದ ಇದು ಬಯೋಮೆಟ್ರಿಕ್ಸ್ ಅಲ್ಲ ಸ್ವತಃ ಪರಿಹಾರಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ, ಇದು ವಿಶಾಲವಾದ ದೃ hentic ೀಕರಣ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ನಿರ್ಣಾಯಕ ರೇಖೆಯ ಹಂತವಾಗಿ ಪರಿಣಮಿಸಬಹುದು.
ಡಿಜಿಟಲ್ ವಿಡಿಯೋ ಸ್ಟ್ರೀಮ್‌ಗಳಲ್ಲಿ ಮುಖಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಆಳವಾದ ಮಾಹಿತಿಯನ್ನು ಬಳಸುವುದು, ಒಂದು ದೃಶ್ಯದಲ್ಲಿ, ಬಹು ಜನರಿದ್ದರೆ, ಮಸೂರದಿಂದ ವಿವಿಧ ಜನರ ಅಂತರಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಮುಖವನ್ನು ವಿಫಲಗೊಳಿಸಬಹುದು. ಸಾಮಾನ್ಯ ಮುಖ ಗುರುತಿಸುವಿಕೆ ಹಾಜರಾತಿ ವಾಸ್ತವವಾಗಿ ಮುಖ ಗುರುತಿಸುವಿಕೆ ಹಾಜರಾತಿಯ ನಿರ್ಮಾಣವನ್ನು ಒಳಗೊಂಡಿದೆ, ಮುಖದ ಚಿತ್ರ ಸಂಪಾದನೆ, ಮುಖದ ಸ್ಥಾನೀಕರಣ, ಮುಖ ಗುರುತಿಸುವಿಕೆ ಹಾಜರಾತಿ ಪೂರ್ವ -ಪ್ರಕ್ರಿಯೆ, ಗುರುತಿನ ದೃ mation ೀಕರಣ ಮತ್ತು ಗುರುತಿನ ಹುಡುಕಾಟ, ಮತ್ತು ಮುಖ ಗುರುತಿಸುವಿಕೆ ಹಾಜರಾತಿ ಸೇರಿದಂತೆ ವ್ಯವಸ್ಥೆಯ ಸಂಬಂಧಿತ ತಂತ್ರಜ್ಞಾನಗಳ ಸರಣಿಯನ್ನು ಒಳಗೊಂಡಿದೆ ಕಿರಿದಾದ ಅರ್ಥವು ಮುಖಗಳ ತಂತ್ರಜ್ಞಾನ ಅಥವಾ ವ್ಯವಸ್ಥೆಯ ಮೂಲಕ ಗುರುತಿನ ದೃ mation ೀಕರಣ ಅಥವಾ ಗುರುತಿನ ಹುಡುಕಾಟವನ್ನು ಸೂಚಿಸುತ್ತದೆ.
ಕೆಲವು ಗುರುತಿನ ಪರಿಶೀಲನಾ ಸನ್ನಿವೇಶಗಳಲ್ಲಿ ವಸ್ತುಗಳ ನೈಜ ಶಾರೀರಿಕ ಗುಣಲಕ್ಷಣಗಳನ್ನು ನಿರ್ಧರಿಸುವ ಒಂದು ವಿಧಾನವಾಗಿದೆ. ಲೈವ್ನೆನೆಸ್ ಪತ್ತೆಹಚ್ಚುವಿಕೆಯನ್ನು ಮುಖ್ಯವಾಗಿ ಎರಡು ವಿಧಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ, ಸಹಕಾರಿ ಲೈವ್ನೆಸ್ ಡಿಟೆಕ್ಷನ್ ಮತ್ತು ಸಹಕಾರೇತರ ಜೀವಿತಾವಧಿ ಗುರುತಿಸುವಿಕೆ.
1. ಸಹಕಾರಿ ಜೀವಂತತೆ ಪತ್ತೆ: ಮುಖ ಪತ್ತೆ ವ್ಯವಸ್ಥೆಯು ಮಿಟುಕಿಸುವುದು, ತಲೆ ತಿರುಗಿಸುವುದು ಮತ್ತು ಬಾಯಿ ತೆರೆಯುವುದು ಮುಂತಾದ ಕೆಲವು ಯಾದೃಚ್ om ಿಕ ಆಜ್ಞೆಯ ಕ್ರಿಯೆಗಳನ್ನು ಕಳುಹಿಸುತ್ತದೆ.
2. ಸಹಕಾರೇತರ ಜೀವಿತಾವಧಿ ಪತ್ತೆ: ಅತಿಗೆಂಪು ಕ್ಯಾಮೆರಾ ಸಂಸ್ಕರಿಸಿದ ಪತ್ತೆಗಾಗಿ ಚಿತ್ರಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ, ಮತ್ತು ಈ ಪ್ರಕ್ರಿಯೆಯು ಯಾವುದೇ ನಿರ್ದಿಷ್ಟ ಕ್ರಿಯೆಗಳೊಂದಿಗೆ ಸಹಕರಿಸುವ ಅಗತ್ಯವಿಲ್ಲ.
ಅತಿಗೆಂಪು ಕ್ಯಾಮೆರಾಗಳು ಮತ್ತು ಸಾಮಾನ್ಯ ಕ್ಯಾಮೆರಾಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸದ ಬಗ್ಗೆ ಇಲ್ಲಿ ನಾನು ಮಾತನಾಡುತ್ತೇನೆ. ಸಾಮಾನ್ಯ ಕ್ಯಾಮೆರಾಗಳೊಂದಿಗೆ ಹೋಲಿಸಿದರೆ, ಅತಿಗೆಂಪು ಕ್ಯಾಮೆರಾಗಳು ಮತ್ತು ಸಾಮಾನ್ಯ ಕ್ಯಾಮೆರಾಗಳ ನಡುವಿನ ದೊಡ್ಡ ವ್ಯತ್ಯಾಸವೆಂದರೆ ಬೆಳಕಿನ ಮೂಲದಲ್ಲಿನ ವ್ಯತ್ಯಾಸ. ಮೊದಲನೆಯದಾಗಿ, ಕ್ಯಾಮೆರಾಗಳ ಚಿತ್ರಣಕ್ಕಾಗಿ, ವಸ್ತುಗಳ ಮೇಲೆ ಬೆಳಕು ವಿಕಿರಣಗೊಳ್ಳುತ್ತದೆ, ಪ್ರಸರಣ ಚದುರುವಿಕೆಯು ಸಂಭವಿಸುತ್ತದೆ ಮತ್ತು ಇಮೇಜ್ ಸೆನ್ಸಾರ್‌ನ ಮೇಲ್ಮೈ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಲು ಬೆಳಕಿನ ಹಿಂಭಾಗದಲ್ಲಿ ಪ್ರತಿಫಲಿಸುತ್ತದೆ ಮತ್ತು ನಂತರ ವಿದ್ಯುತ್ ಸಂಕೇತವಾಗಿ ಪರಿವರ್ತಿಸಲಾಗುತ್ತದೆ . ಮಾನಿಟರ್.
ಸಾಮಾನ್ಯ ಕ್ಯಾಮೆರಾಗಳೊಂದಿಗೆ ಹೋಲಿಸಿದರೆ, ಅತಿಗೆಂಪು ಕ್ಯಾಮೆರಾಗಳು ಮತ್ತು ಸಾಮಾನ್ಯ ಕ್ಯಾಮೆರಾಗಳ ನಡುವಿನ ದೊಡ್ಡ ವ್ಯತ್ಯಾಸವೆಂದರೆ ಬೆಳಕಿನ ಮೂಲ. ಸಾಮಾನ್ಯ ಕ್ಯಾಮೆರಾಗಳ ಬೆಳಕಿನ ಮೂಲವು ಗೋಚರ ಬೆಳಕಿನಿಂದ ಬರುತ್ತದೆ, ಅಂದರೆ ಸೂರ್ಯನ ಬೆಳಕು. ಅಂತರ್ನಿರ್ಮಿತ ಅತಿಗೆಂಪು ದೀಪವು ಅತಿಗೆಂಪು ಕಿರಣಗಳನ್ನು ಹೊರಸೂಸುತ್ತದೆ, ಇದು ವಸ್ತುವಿನ ಮೇಲೆ ವಿಕಿರಣಗೊಂಡ ನಂತರ ಕ್ಯಾಮೆರಾದಿಂದ ಹರಡಿತು ಮತ್ತು ಸ್ವೀಕರಿಸಲ್ಪಟ್ಟಿದೆ.
1. ಇಮೇಜಿಂಗ್ ತತ್ವ
ಇದು ಗೋಚರ ಬೆಳಕು ಅಥವಾ ಅತಿಗೆಂಪು ಬೆಳಕು, ಮೂಲ ಸಾರವು ವಿದ್ಯುತ್ಕಾಂತೀಯ ತರಂಗಗಳು ಎಂದು ನಮಗೆ ತಿಳಿದಿದೆ. ನಾವು ಅಂತಿಮವಾಗಿ ನೋಡುವ ಚಿತ್ರವು ವಸ್ತು ಮೇಲ್ಮೈಯ ಪ್ರತಿಫಲಿತ ಗುಣಲಕ್ಷಣಗಳಿಗೆ ಸಂಬಂಧಿಸಿದೆ. ನಿಜವಾದ ಮಾನವ ಮುಖಗಳು ಮತ್ತು ಕಾಗದ, ಪರದೆಗಳು, ಮೂರು ಆಯಾಮದ ಮುಖವಾಡಗಳು ಮತ್ತು ಇತರ ದಾಳಿ ಮಾಧ್ಯಮಗಳು ಪ್ರತಿಫಲನ ಗುಣಲಕ್ಷಣಗಳು ಎಲ್ಲವೂ ವಿಭಿನ್ನವಾಗಿವೆ, ಆದ್ದರಿಂದ ಇಮೇಜಿಂಗ್ ಸಹ ವಿಭಿನ್ನವಾಗಿರುತ್ತದೆ ಮತ್ತು ಅತಿಗೆಂಪು ತರಂಗ ಪ್ರತಿಬಿಂಬದಲ್ಲಿ ಈ ವ್ಯತ್ಯಾಸವು ಹೆಚ್ಚು ಸ್ಪಷ್ಟವಾಗಿರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಪರದೆಯ ಅತಿಗೆಂಪು ಇಮೇಜಿಂಗ್ ಚಿತ್ರದಲ್ಲಿ, ಬಿಳಿ ಹೂವುಗಳ ತುಂಡು ಮಾತ್ರ ಇದೆ, ಮಾನವ ಮುಖವೂ ಇಲ್ಲ. , ತಪ್ಪು ನಿರ್ಣಯವನ್ನು ತಪ್ಪಿಸಲು.
2. ಅಂತರ್ನಿರ್ಮಿತ ಅಲ್ಗಾರಿದಮ್
ಆಪ್ಟಿಕಲ್ ಫ್ಲೋ ವಿಧಾನದ ಪ್ರಕಾರ, ಆಯಾ ಪಿಕ್ಸೆಲ್ ಸ್ಥಾನಗಳ ಚಲನೆಯನ್ನು ನಿರ್ಧರಿಸಲು ಚಿತ್ರ ಅನುಕ್ರಮದಲ್ಲಿನ ಪಿಕ್ಸೆಲ್ ತೀವ್ರತೆಯ ಡೇಟಾದ ತಾತ್ಕಾಲಿಕ ವ್ಯತ್ಯಾಸ ಮತ್ತು ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಬಳಸಲಾಗುತ್ತದೆ, ಮತ್ತು ಪ್ರತಿ ಪಿಕ್ಸೆಲ್ ಬಿಂದುವಿನ ಚಾಲನೆಯಲ್ಲಿರುವ ಮಾಹಿತಿಯನ್ನು ಗೌಸಿಯನ್ ಬಳಸಿ ಚಿತ್ರ ಅನುಕ್ರಮದಿಂದ ಪಡೆಯಲಾಗುತ್ತದೆ ವ್ಯತ್ಯಾಸ ಫಿಲ್ಟರ್, ಎಲ್‌ಬಿಪಿ ಗುಣಲಕ್ಷಣಗಳು ಮತ್ತು ಬೆಂಬಲ ವಾಹಕಗಳು ಒಂದೇ ಸಮಯದಲ್ಲಿ, ಆಪ್ಟಿಕಲ್ ಫ್ಲೋ ಕ್ಷೇತ್ರವು ವಸ್ತುಗಳ ಚಲನೆಗೆ ಸೂಕ್ಷ್ಮವಾಗಿರುತ್ತದೆ ಮತ್ತು ಕಣ್ಣಿನ ಚಲನೆ ಮತ್ತು ಮಿಟುಕಿಸುವಿಕೆಯನ್ನು ಏಕರೂಪವಾಗಿ ಪತ್ತೆಹಚ್ಚಲು ಆಪ್ಟಿಕಲ್ ಫ್ಲೋ ಕ್ಷೇತ್ರವನ್ನು ಬಳಸಬಹುದು. ಈ ಲೈವ್ ಪತ್ತೆ ವಿಧಾನವು ಬಳಕೆದಾರರ ಸಹಕಾರವಿಲ್ಲದೆ ಕುರುಡು ಪತ್ತೆಹಚ್ಚುವಿಕೆಯನ್ನು ಸಾಧಿಸಬಹುದು.
ಇತರ ತೀರ್ಪು ನೀಡುವ ವಿಧಾನಗಳಲ್ಲಿ 3 ಡಿ ಫೇಸ್ ಡಿಟೆಕ್ಷನ್ ಸೇರಿವೆ, ಇದು ಮುಖವನ್ನು ಶೂಟ್ ಮಾಡಲು 3 ಡಿ ಕ್ಯಾಮೆರಾವನ್ನು ಬಳಸುತ್ತದೆ, ಕ್ಯಾಮೆರಾದಿಂದ ಪಡೆದ ಡೇಟಾವನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ, ಮುಖವನ್ನು ಸಂಶ್ಲೇಷಿಸುತ್ತದೆ, ಅದನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ ಮತ್ತು ಅಂತಿಮವಾಗಿ ಅದು ನಿಜವಾದ ಮುಖ ಅಥವಾ ಫೋಟೋ ಎಂದು ನಿರ್ಣಯಿಸುತ್ತದೆ.