讓我們揭開人臉辨識系統、人臉辨識類型，及其工作原理背後的科學神秘面紗。
人臉辨識系統已被用於生物辨識認證、門禁控制、課堂出勤、家庭安全、基於內容的資料檢索、社交媒體和許多其他應用。
蘋果的臉部辨識，使臉部辨識成為最熱門的功能，然而，臉部辨識的概念並不新鮮，其實施也不是新鮮。 使用電腦辨識人臉，可以追溯到 20 世紀 60 年代。
人臉辨識可以細分為「人臉驗證」和「人臉辨識」。
 |
| 臉部驗證影像（來自 Unsplash 的影像） |
什麼是臉部驗證？
臉部驗證回答了「這個人是他/她聲稱的人嗎？」這個問題。
例如，智慧手機上的生物辨識認證是臉部驗證。在註冊期間，你可以設定一個身份驗證系統，來檢查你的臉。然後，當你使用臉部解鎖手機時，它會將這個新的臉部特徵，與設定過程中的臉部特徵進行比較。如果它吻合，它將解鎖你的手機。然而，如果你的朋友試圖用他們的臉解鎖你的手機，它將失敗，因為它與儲存的臉部特徵不吻合。
什麼是人臉辨識？
臉部辨識回答了「這個人是誰？」這個問題。
臉部辨識的一個例子是用於上課時。該系統提取班上每個學生的臉部特徵，並將其與資料庫中儲存的所有學生的臉部特徵進行比較，以找到最佳搭配。
實踐中的人臉辨識類型
典型的人臉辨識系統由兩個模組組成：
- 人臉探測器模組，用於在圖像或影像中定位的人臉，
- 人臉辨識模組。
 |
| 人臉辨識管道 |
人臉辨識模組進一步由特徵提取，和人臉比對元件組成。
特徵提取。基於深度卷積神經網路（CNN）的特徵嵌入網路，用於提取臉部的表示特徵。這個模組的輸出，是一個特徵向量。
此特徵提取器模型可以從頭開始訓練，也可以透過在新資料集中微調 AlexNet、VGG、Squeeznet 和 ResNet 等預訓練模型來轉移學習。
臉部比對。從測試臉部影像中，提取的特徵與在臉部註冊過程中，已儲存在資料庫中的特徵進行比較。
對於臉部驗證，將提取的特徵與一個儲存的臉部特徵進行比較。
為了辨識臉部，提取的特徵與多個臉部特徵進行比較。分類模型通常用於人臉辨識。
附加元件。人臉辨識的另一個組成部分包括反欺騙，以檢測臉部是活的，還是被欺騙的。反欺騙用於避免對系統的不同型別的攻擊，並在透過特徵提取網路之前使用。
在這篇文章中，我們研究了不同的人臉辨識類別和子類別，包括人臉驗證和人臉辨識。我們還探索了典型人臉辨識系統的基本元件，包括人臉檢測、特徵提取和人臉比對。
0 comments:
張貼留言