Quelle est la différence entre la détection de visage et la reconnaissance de visage

La technologie entre la détection et la reconnaissance faciale est très éloigné, mais ces deux termes causent beaucoup de confusion. La détection de visage ne fonctionne qu'en capturant des images d'une personne marchant dans une zone et une caméra bien positionnées, puis en stockant ces visages dans une base de données consultable.

La reconnaissance faciale fonctionne en rassemblant les images stockées et en les comparant à des visages connus dans une base de données. Comme vous pouvez le voir, il s'agit d'un processus en deux étapes. Le système autonome n'a pas la puissance de traitement requise pour gérer à la fois la détection et la reconnaissance des visages.

De nos jours, la détection de visage devient courante avec certains caméras système DVR ou NVR . À mesure que les résolutions et la densité de pixels de l'appareil photo s'améliorent, de nombreux appareils seront équipés de la détection des visages et de nombreuses autres fonctionnalités IVS.

Les DVR et NVR autonomes n'auront pas de reconnaissance faciale intégrée au système de base, car cette technologie est encore à plusieurs générations.

Cependant, la détection de visage peut être une fonctionnalité utile dans certaines situations. Une caméra bien positionnée et bien orientée devant une entrée peut capturer le visage des personnes et les stocker localement dans une base de données consultable.

Cette fonctionnalité peut être très pratique si votre système de sécurité est configuré pour envoyer des alertes sur votre téléphone, par conséquent, lorsque quelqu'un entre dans l'enregistreur, envoyez un instantané de son visage sur votre téléphone.

Certains algorithmes de reconnaissance faciale identifient les traits du visage en extrayant des points de repère, ou traits, d'une image du visage du sujet. Par exemple, un algorithme peut analyser la position relative, la taille et/ou la forme des yeux, du nez, des pommettes et de la mâchoire.

Ces fonctionnalités sont ensuite utilisées pour rechercher d'autres images avec des fonctionnalités correspondantes. D'autres algorithmes normalisent une galerie d'images de visage, puis compressent les données de visage, en n'enregistrant que les données de l'image qui sont utiles pour la reconnaissance faciale. A

l'image de la sonde est ensuite comparée aux données du visage. Les algorithmes de reconnaissance peuvent être divisés en deux approches principales, géométrique, qui examine les caractéristiques distinctives, et photométrique, qui est une approche statistique qui distille une image en valeurs et compare les valeurs avec des modèles pour éliminer les variances.

Les algorithmes de reconnaissance populaires incluent l'analyse en composantes principales à l'aide de faces propres, l'analyse discriminante linéaire, l'appariement de graphes de tas élastiques à l'aide de l'algorithme de Fisherface, le modèle de Markov caché, l'apprentissage de sous-espace multilinéaire à l'aide de la représentation tensorielle et l'appariement de liens dynamiques à motivation neuronale.

Une nouvelle tendance émergente, censée améliorer la précision, est la reconnaissance faciale en trois dimensions. Cette technique utilise des capteurs 3D pour capturer des informations sur la forme d'un visage.

Ces informations sont ensuite utilisées pour identifier les caractéristiques distinctives sur la surface d'un visage, telles que le contour des orbites, du nez et du menton.

L'un des avantages de la reconnaissance faciale 3D est qu'elle n'est pas affectée par les changements d'éclairage comme les autres techniques. Il peut également identifier un visage sous différents angles de vue, y compris une vue de profil.