Ⅰ. 얼굴 인식의 정의
얼굴 인식 기술은 1970 년대 초에 시작되었으며 컴퓨터 비전 (CV) 의 전형적인 응용 프로그램입니다. 컴퓨터 비전은 딥 러닝 (DL) 에 속합니다.
동시에 얼굴 인식은 생체 인식 기술의 일종입니다. 다른 생체 인식 기술에는 지문, 홍채, 음성, 정맥, 망막이 포함됩니다. 다른 생체 인식 기술과 비교하여 얼굴 인식에는 비접촉, 비 필수, 편리하고 병렬 처리 등의 특성이 있습니다.
다른 생체 인식 기술의 비교
얼굴 인식의 목적은 사진 및 비디오 (비디오는 사진으로 구성) 에서 얼굴의 정보를 판단하고 식별하고 이미지 및 비디오에서 얼굴을 감지, 식별 및 추적하는 것입니다.
Ⅱ. 얼굴 인식 알고리즘의 분류
기하학적 방법, 전체 론적 방법, 특징 기반 방법 및 하이브리드 방법을 포함한 전통적인 인간 설계 기능 및 기계 학습 기술.
현재의 딥 러닝 방법은 대규모 데이터 세트에서 훈련 된 딥 신경망 (DNN) 및 컨볼 루션 신경망 (CNN) 을 기반으로합니다.
CNN 딥 러닝 페이스 알고리즘의 초기 사용이 효과적이지 않은 이유는 컴퓨팅 파워와 데이터 볼륨이 부족했기 때문입니다.
이 단계에서 빅 데이터 및 컴퓨팅 파워의 지원으로 다양한 알고리즘의 얼굴 인식 정확도는 이미 매우 높습니다. Facebook의 DeepFace는 LFW에서 97.35% 정확성을 달성 한 다음 Google의 FaceNet은 LFW에서이를 달성했습니다. 99.63% 정확도. 얼굴 인식 분야의 현재 개발 방향은 가볍고 (이동 단말기에 쉽게 배포 할 수 있음) 하드웨어 기반 모듈성입니다.
III. 얼굴 인식 과정
1. 얼굴 탐지.
얼굴 검출기는 이미지에서 얼굴의 위치를 찾는 데 사용되며, 얼굴이 있으면 각 얼굴을 포함하는 경계 상자의 좌표를 반환합니다.
2. 얼굴 정렬.
얼굴 정렬의 목표는 이미지의 고정 위치에 위치한 기준점 세트를 사용하여 얼굴 이미지를 스케일링하고 자르는 것입니다. 이 프로세스는 일반적으로 단순한 2D 정렬의 경우, 기준점에 가장 잘 맞는 최상의 아핀 변환을 찾기 위해 얼굴 랜드마크 세트를 찾기 위해 특징점 검출기를 사용해야합니다. 보다 복잡한 3D 정렬 알고리즘은 또한 얼굴 전면을 달성 할 수 있습니다. 즉, 얼굴의 포즈를 앞으로 향하도록 조정할 수 있습니다.
3. 얼굴 표현.
얼굴 표현 단계에서 얼굴 이미지의 픽셀 값은 컴팩트하고 식별 가능한 특징 벡터로 변환되며, 이를 템플릿이라고도합니다. 이상적으로, 동일한 피사체의 모든 얼굴들은 유사한 피처 벡터들에 매핑되어야 한다.
4. 얼굴 일치.
얼굴 매칭 빌딩 블록에서, 2 개의 템플릿이 비교되어, 둘 다 동일한 피사체에 속할 가능성을 제공하는 유사성 스코어를 생성한다.
IV. 얼굴 인식의 응용
Ⅴ. 얼굴 인식 기술의 어려움
머리 자세
대부분의 얼굴 인식 알고리즘은 주로 정면 및 준 정면 얼굴 이미지를 목표로합니다. 피치 또는 좌우 편향이 비교적 심할 때, 얼굴 인식 알고리즘의 인식률은 급격히 떨어질 것이다.
나이
반면에 우리나라 신분증의 유효 기간은 일반적으로 20 년입니다. 20 년 동안 모든 사람의 모습이 필연적으로 많이 바뀔 것이므로 ID 카드 사진 식별에도 큰 문제가 있습니다.
폐색
안경, 모자 등으로 얼굴을 가립니다.
조명 조건
인간의 얼굴 표현.
표현의 개선 수준과 표현 범주의 다양 화.
위조 방지 얼굴
가짜 얼굴, 생기를 감지하는 방법.
선조. 생각
개인 정보 보호 및 보안
<P> 정보에 입각 한 명시 적 동의를 확인하십시오. Li Yanhong은 모든 사람이 편의를 위해 프라이버시를 교환 할 의향이 있다고 말했다. 중국에서는 신기술에 대한 사람들의 포용성으로 인해 AI의 세 가지 요소가 포괄적으로 고장 났으며 사람들은 "개인 정보 보호" 라는 데이터에 관심이 없습니다. 최근 항저우에서 얼굴 인식의 첫 사례가 두드러졌습니다. 집의 구매자는 얼굴로 인정 받았으며, 빅 데이터 살해 등의 사례는 관련 국내 얼굴 인식 연구 기업, 정부 기관, 그리고 얼굴 인식 기술 제품의 사용자.기술은 완벽하지 않습니다
현재 얼굴 인식 기술은 인종 차별과 성 차별과 같은 문제와 관련된 여성의 성별, 쌍둥이 등을 구별하는 유색인을 식별하는 데 부족합니다.
사진 스푸핑 문제, 생능 탐지를 향상시키는 방법.
데이터 보호
얼굴 인식 데이터 수집, 전송, 저장, 사용 및 파괴 과정에서 데이터 보안을 보장하는 방법.
그것이 민주적 자유와 인권을 침해하는지 여부에 관계없이 정부 기관에서 사용하는지 여부!
일반적으로 예를 들어 미국 TV 시리즈 (관심있는 사람/POI), 언제 어디서나 모니터링되는 장면 및 얼굴 인식이 보이지 않는 것으로 생각됩니다.
Microsoft의 얼굴 인식 연구 작업이 따르는 6 가지 원칙
Ⅶ. 얼굴 인식 대표 기업
현재 얼굴 인식 분야에서 중국 기업은 매우 적극적이고 뛰어납니다. 대표적인 기업으로는 센세타임, MEGVII, YITU, 클라우드워크, 히크비전, 바이두, 알리바바, 텐센트 등이 있다. 연구 기관에는 홍콩 중문 대학의 Tang Xiaoou 팀 (실제로 SenseTime의 기술 팀과 MEGVII의 창립자도 Tang Xiaoou 교수 밑에서 공부했습니다) 이 포함됩니다.
페이스북의 딥페이스와 구글의 페이스넷과 같은 외국 기업의 초기 얼굴 인식 분야에서는 많은 성과가 있다. 정책 및 법적 고려 사항으로 인해 최근 몇 년 동안 비활성화되었습니다. 대표적인 기업은 구글, 마이크로소프트, 페이스북 등이다. 2020 년 6 월 IBM은 얼굴 인식 기술을 폐기하고 모든 관련 연구 개발을 중단하겠다고 발표했다.
English
日本語
한국어
français
Deutsch
Español
italiano
русский
português
العربية
tiếng việt
ไทย
čeština
dansk
Svenska
