Ansiktsuppmärkningsalgoritm

Där. Definition av ansiktsigenkänning

Ansiktsigenkänningsteknik började i början av 1970-talet och är en typisk applikation i datorsyn (CV). Datorsynen tillhör djupt lärande (DL).

Samtidigt är ansiktsigenkänning också ett slags biometrisk identifieringsteknik. Andra biometriska identifieringstekniker inkluderar: fingeravtryck, iris, röst, ven, näthinnan. Jämfört med andra biometriska tekniker har ansiktsigenkänning egenskaperna som icke-kontakt, icke-obligatoriskt, bekvämt, parallell bearbetning och så vidare.

Jämförelse av olika biometriska teknik

Syftet med ansiktsigenkänning är att bedöma och identifiera informationen om ansikten i bilder och videor (videor består av bilder). och att upptäcka, identifiera och spåra ansikten i bilder och videor.

Där. Klassificering av algoritmer för ansiktsigenkänning

Traditionella människadesignade funktioner och maskininlärningstekniker, inklusive geometriska metoder, holistiska metoder. Funktionsbaserade metoder och hybridmetoder.

Nuvarande metoder för djupt lärande bygger på djupa neurala nätverk (DNN) och konvolutionella neurala nätverk (CNN) utbildas i stora dataset.

Anledningen till att den tidiga användningen av CNN djupt lärande ansikte algoritm inte var effektiv berodde på otillräcklig datorstyrka. datavolym.

I detta skede, med stöd av big data och datastyrka, exaktheten av ansiktetskänning av olika algoritmer är redan mycket hög. Facebooks DeepFace uppnådde en noggrannhet på 97. 35% på LFW, och sedan Googles FaceNet uppnådde det på LFW. 99,63% noggrannhet. Den nuvarande utvecklingsriktningen inom området ansiktsigenkänning är lätt (lätt att använda till mobila terminaler) och hårdvarabaserad modularitet.

Där. Processen för ansiktsigenkänning

1. Ansiktsupptäckning.

Ansiktetsdetektorn används för att hitta placering av ansikten i bilden, och om det finns ansikten, returnerar koordinaterna för den avgränsande rutan som innehåller varje sida.

2. Ansiktsjustering.

Målet med ansiktejustering är att skala och beskära ansiktsbilden med hjälp av en uppsättning referenspunkter placerade på fasta platser i bilden. Denna process kräver vanligtvis användning av en funktionspunktdetektor för att hitta en uppsättning ansiktslandsmärken, vid enkel 2D-justering, för att hitta den bästa affine transformation som bäst passar referenspunkten. Mer komplexa 3D-justeringsalgoritmer kan också uppnå ansikte frontalisering, det vill säga justera positionen av ansiktet mot ansikte framåt.

3. Ansiktets representation.

I ansiktsrepresentationsfasen omvandlas pixelvärdena för bilden till kompakta och diskriminerande funktionsvektorer. som också kallas mallar. Idealiskt, alla sidor av samma ämne ska kartlägga till liknande funktionsvektorer.

4. Ansiktet matchar.

I den ansikte matchande byggstenen jämförs två mallar, vilket resulterar i en likhetspoäng som ger sannolikheten för att båda tillhör samma ämne.

Där. Tillämpning av ansiktsgenkänning

Där. Svårigheter när det gäller ansiktsgenkänningstekniken

Huvudshållning

De flesta ansiktsigenkänningsalgoritmer är främst riktade mot frontal- och kvasi-frontal ansiktsbilder. När stigen eller vänster och höger deformation är relativt svår, igenkänningshastigheten för ansiktsigenkänningsalgoritmen kommer att sjunka kraftigt.

Åldern

Å andra sidan är giltighetstiden för mitt lands id-kort i allmänhet 20 år. Under de 20 åren kommer allas utseende oundvikligen att förändras mycket. så det finns också stora problem med identifiering av ID-kort foton.

Occlud

Täck ansiktet med glasögon, hattar, etc.

Belysningsförhållanden

Mänskliga ansiktsuttryck.

Nivån på uttryck och diversifiering av uttryckkategorier.

Ansikte mot förfalskninger

Fejkt ansikte, hur man upptäcker liv.

Där. Tänk

Sekretess och säkerhet

>Säkerställa informerade, uttryckligt samtycke. Li Yanhong sa att alla är villiga att byta privatliv för bekvämlighet. I Kina, på grund av människors inkluderande ny teknik, har dessa tre delar av AI brutits heltäckande, och människor bryr sig inte om data som kallas "personlig integritet". Nyligen uttalades det första fallet av ansiktsigenkänning i Hangzhou. Husets köpare kändes igen för ansiktet, och fallen av stordata dödande, etc., bör ge viss inspiration till relevanta inhemska forskningsföretag, myndigheter och användare av produkter för ansiktsigenkänningsteknik.

Tekniken är inte perfekt.

För närvarande saknas teknik för att identifiera människor av färg, utmärka kvinnliga kön, tvillingar osv. som rör frågor som rasdiskriminering och sexism.

Foto spoofing problem, hur man förbättra livsmedelsdetektering.

Dataskydd

Hur säkerställer du datasäkerhet i processen med insamling, överföring, lagring, användning och förstöring av data.

Oavsett om det används av myndigheter, om det kränker demokratisk frihet och mänskliga rättigheter!

Vanligtvis, till exempel, i den amerikanska TV-serien (Person av intresse/ POI), scenerna av att övervakas när som helst, var som helst, och ansiktsigenkänning tros vara ovilliga att se.

6 principer som Microsofts ansiktsigenkänning forskningsarbete följe

Där. Representativa företag med ansiktets erkännande

För närvarande är kinesiska företag mycket aktiva och enastående när det gäller ansiktskänsla. Representativa företag inkluderar Sensetime, MEGVII, YITU, Cloudwalk, Hikvision, Baidu, Alibaba och Tencent. Forskningsinstitut omfattar Tang Xiaoou teamet vid Kinesiska universitetet i Hong Kong ( faktiskt den tekniska team av SenseTime, och grundaren av MEGVII studerade också under professor Tang Xiaoou.

Det finns många framsteg inom utländska företags tidiga ansiktsuttryck, såsom DeepFace av Facebook och FaceNet av Google. På grund av politiska och rättsliga överväganden har den varit inaktiv de senaste åren. Representativa företag är Google, Microsoft, Facebook, etc. I juni 2020 tillkännagav IBM att man skulle gå i pension med ansiktsgenkänningsteknik och stänga ner all relaterad forskning och utveckling.