얼굴 인식 출석은 얼굴과 사진을 어떻게 구별합니까?

얼굴 인식 시간 참석 기술은 기계가 카메라를 통해 이미지를 획득하고 인간 식별을 수행하는 장치입니다. 이 기술은 주로 금융, 휴대 전화 잠금 장치, 액세스 제어 및 쇼핑에서의 얼굴 지불 등과 같은 신원 인식에 주로 사용됩니다. 얼굴 인식 시간 참석 기술은 이미 일상 생활에 존재합니다. 실제 사람 식별 기능은 당연히 장치의 얼굴입니다. 사진 인 경우 비행기 관점에서 인간의 얼굴과 동일하기 때문에 실제 얼굴을 사진으로 교체하는 사기 문제를 피하는 방법.

인식하는 동안 사용자는 수리와 같은 행동에 협력하기 위해 얼굴 표정을 만들기 만하면 사진에서 그러한 특정 행동을 달성하기가 어렵 기 때문에 사진 사기를 피할 수 있기 때문에 특정 표현을 찡그린다. 직원의 고백에 따른 얼굴 인식 출석 연구에 따르면, 깜박임의 탐지는 매우 신뢰할 수있는 방법입니다.
얼굴 인식 및 출석 시스템의 오류율을 줄이기 위해 시스템은 기존 사진에 사용되는 얼굴 감지 알고리즘에 깊이 정보를 적용하고 얼굴 창의 깊이 좌표에 따라 얼굴 창의 크기를 지능적으로 스케일링합니다. 얼굴이 카메라에서 멀어지고 캡처 프레임 주변이 더 작습니다.
이 방법은 특수 적외선 광선을 사용하여 광 방사선 맵을 장면에 투사 한 다음 깊이 맵으로 변환되며 시스템은 대부분의면을 식별 할 수 있지만 개별면의 차이를 식별 할 수있는 능력이 부족하므로 생체 인식이 아닙니다. 그 자체로 솔루션이 아니라 더 넓은 인증 시스템에서 중요한 단계 라인 단계가 될 수 있습니다.
깊이 정보를 사용하여 디지털 비디오 스트림에서 얼굴을 감지하여 장면에서 여러 사람이있는 경우 렌즈와 다른 사람들의 거리에 따라 얼굴이 실패 할 수 있습니다. 일반화 된 얼굴 인식 출석에는 실제로 얼굴 이미지 획득, 얼굴 포지셔닝, 얼굴 인식 출석 전처리, 신원 확인 및 신원 검색 등을 포함한 시스템의 일련의 관련 기술을 포함하여 얼굴 인식 출석의 구성이 포함됩니다. 좁은 감각은 얼굴 기술 또는 시스템을 통한 신원 확인 또는 신원 검색을 말합니다.
Livendes Detection은 일부 신원 확인 시나리오에서 물체의 실제 생리 학적 특성을 결정하는 방법입니다. Livendes Detection은 주로 협력적인 라이벌 탐지와 비 협력적인 무심한 인식의 두 가지 유형으로 나뉩니다.
1. 협동 라이벌 탐지 : 얼굴 감지 시스템은 깜박임, 머리를 돌리고 입을 여는 것과 같은 임의의 명령 동작을 보냅니다.
2. 비 협력 라이벌 탐지 : 적외선 카메라는 정제 된 탐지를위한 이미지를 수집 하며이 프로세스는 특정 작업과 협력 할 필요가 없습니다.
여기서는 적외선 카메라와 일반 카메라의 차이점에 대해 이야기하겠습니다. 일반 카메라와 비교하여 적외선 카메라와 일반 카메라의 가장 큰 차이점은 광원의 차이입니다. 우선, 카메라의 이미징의 경우, 객체에 빛이 조사되고, 확산 산란이 발생하며, 빛의 반사 된 뒷 부분은 렌즈에 의해 이미지 센서의 표면에 초점을 맞추고 전기 신호로 변환됩니다. , (a/d) 아날로그-디지털 변환 후, 디지털 이미지 신호로 변환 한 다음 처리를 위해 디지털 신호 처리 칩으로 전송 된 후 최종적으로 USB를 통해 인터페이스가 시스템으로 전송되고 마지막으로 표시됩니다. 감시 장치.
일반 카메라와 비교하여 적외선 카메라와 일반 카메라의 가장 큰 차이점은 광원입니다. 일반 카메라의 광원은 눈에 보이는 빛, 즉 햇빛에서 나옵니다. 내장형 적외선 램프는 적외선 광선을 방출하며, 이는 물체에 조사 된 후 카메라에 의해 확산 된 흩어져 수신됩니다.
1. 이미징 원리
우리는 그것이 보이는 빛 또는 적외선이든 기본적인 본질이 전자기파라는 것을 알고 있습니다. 우리가 마지막으로 보는 이미지는 재료 표면의 반사 특성과 관련이 있습니다. 실제 인간의 얼굴과 종이, 스크린, 3 차원 마스크 및 기타 공격 매체 반사 특성은 모두 다르므로 이미징도 다르며이 차이는 적외선 파 반사에서 더 분명합니다. 예를 들어, 스크린의 적외선 영상 그림에는 인간의 얼굴조차도 흰 꽃이 있습니다. , 잘못 판단을 피하기 위해.
2. 내장 알고리즘
광학 흐름 방법에 따르면, 이미지 시퀀스에서 픽셀 강도 데이터의 시간적 변화와 상관 관계는 각각의 픽셀 위치의 움직임을 결정하는데 사용되며, 각 픽셀 포인트의 실행되는 정보는 가우시안을 사용하여 이미지 시퀀스로부터 얻어진다. 차이 필터, LBP 특성 및지지 벡터 동시에 광학 유량장은 물체의 움직임에 민감하며 광학 유동장은 눈 움직임 및 깜박임을 균일하게 감지하는 데 사용될 수 있습니다. 이 라이브 탐지 방법은 사용자의 협력없이 맹인 탐지를 달성 할 수 있습니다.
다른 심사 방법으로는 3D 카메라를 사용하여 얼굴을 쏘고, 카메라로 획득 한 데이터를 통합하고, 얼굴을 합성하고, 분석하고, 마지막으로 실제 얼굴인지 사진인지 판단하는 3D 얼굴 감지가 포함됩니다.