Describe el proceso de reconocimiento facial.
El reconocimiento facial utiliza una cámara o una cámara para recopilar imágenes o transmisiones de video que contienen rostros, detecta y rastrea automáticamente los rostros en las imágenes y luego realiza una serie de operaciones de aplicación relacionadas en las imágenes de rostros detectadas, incluidas las imágenes. recopilación, posicionamiento de funciones, confirmación de identidad y búsqueda, etc.
En pocas palabras, se trata de extraer rasgos faciales de fotografías, como la altura de las cejas, las comisuras de la boca, etc. y luego generar los resultados mediante la comparación de características. El proceso general de reconocimiento facial:
1. Colección de rostros:
Se obtienen diferentes imágenes de rostros a través de las lentes de la cámara, como imágenes estáticas, imágenes dinámicas, diferentes posiciones y diferentes expresiones. . Cuando el objeto de recolección está dentro del alcance de disparo del dispositivo, el dispositivo de recolección buscará y capturará automáticamente imágenes de rostros.
Principales factores que influyen en la adquisición de rostros:
Tamaño de la imagen
Una imagen de rostro demasiado pequeña afectará el efecto de reconocimiento, y una imagen de rostro demasiado pequeña afectará el efecto de reconocimiento. grande afectará la velocidad de reconocimiento. El tamaño de la imagen se refleja en el escenario de la aplicación real, que es la distancia entre el rostro y la cámara.
Resolución de la imagen
Cuanto menor sea la resolución de la imagen, más difícil será identificarla. El tamaño y la resolución de la imagen afectan directamente la distancia de reconocimiento de la cámara.
Entorno de iluminación
La sobreexposición o un entorno de iluminación demasiado oscuro afectarán el efecto de reconocimiento facial. Podemos equilibrar los efectos de iluminación a partir de las funciones de la propia cámara o utilizar modelos de algoritmos para optimizar la iluminación de la imagen.
Borroso
La escena real se centra principalmente en resolver el desenfoque de movimiento. El movimiento de la cara en relación con la cámara a menudo produce desenfoque de movimiento. Algunas cámaras tienen funciones anti-desenfoque. Cuando los costos sean limitados, considere optimizar este problema mediante modelos algorítmicos.
Nivel de oclusión
Las imágenes con bordes faciales claros y rasgos faciales sin obstrucciones son las mejores. En escenas reales, muchas caras quedarán bloqueadas por obstáculos como sombreros, gafas y máscaras. Es necesario decidir si esta parte de los datos se conservará en función de los requisitos del algoritmo.
Ángulo de colección
El ángulo de la cara en relación con la cámara es el mejor, por lo que el modelo del algoritmo debe entrenarse con datos que incluyan las caras izquierda y derecha y las caras superior e inferior.