A tecnologia entre
detecção de rosto e reconhecimento de rosto é bem distante, porém esses dois termos causam muita confusão. A detecção de rosto só funciona capturando imagens de uma pessoa andando por uma área e uma câmera bem posicionadas e armazenando esses rostos em um banco de dados pesquisável.
O reconhecimento facial funciona reunindo as imagens armazenadas e comparando-as com rostos conhecidos em um banco de dados. Como você pode ver, este é um processo de duas etapas. O sistema autônomo não possui o poder de processamento necessário para lidar com detecção e reconhecimento de rosto ao mesmo tempo.
Hoje em dia a detecção de rosto está se tornando comum com algumas câmeras de sistema
DVRs ou NVRs . À medida que as resoluções da câmera e a densidade de pixels melhoram, muitos dispositivos virão com detecção de rosto e muitos outros recursos de IVS.
DVRs e NVRs autônomos não terão reconhecimento facial integrado ao sistema principal, pois essa tecnologia ainda está a muitas gerações de distância.
No entanto, a detecção de rosto pode ser um recurso útil em determinadas situações. Uma câmera bem posicionada e bem angulada na frente de uma entrada pode capturar o rosto das pessoas e armazená-las localmente em um banco de dados pesquisável.
Esse recurso pode ser muito útil se o seu sistema de segurança estiver configurado para enviar alertas no seu telefone, portanto, quando alguém entrar no gravador, envie uma foto do rosto dele para o seu telefone.
Alguns algoritmos de reconhecimento de rosto identificam características faciais extraindo pontos de referência ou características de uma imagem do rosto do sujeito. Por exemplo, um algoritmo pode analisar a posição relativa, tamanho e/ou formato dos olhos, nariz, maçãs do rosto e mandíbula.
Esses recursos são usados para pesquisar outras imagens com recursos correspondentes. Outros algoritmos normalizam uma galeria de imagens de rosto e, em seguida, compactam os dados de rosto, salvando apenas os dados na imagem que são úteis para o reconhecimento de rosto. UMA
a imagem da sonda é então comparada com os dados da face. Os algoritmos de reconhecimento podem ser divididos em duas abordagens principais, geométrica, que analisa características distintivas, e fotométrica, que é uma abordagem estatística que destila uma imagem em valores e compara os valores com modelos para eliminar variações.
Os algoritmos de reconhecimento populares incluem análise de componentes principais usando autofaces, análise discriminante linear, correspondência de grafos elásticos usando o algoritmo Fisherface, o modelo oculto de Markov, o aprendizado de subespaço multilinear usando representação tensorial e a correspondência dinâmica de links motivados por neurônios.
Uma nova tendência emergente, que alega alcançar maior precisão, é o reconhecimento facial tridimensional. Essa técnica usa sensores 3D para capturar informações sobre o formato de um rosto.
Esta informação é então usada para identificar características distintivas na superfície de um rosto, como o contorno das órbitas oculares, nariz e queixo.
Uma vantagem do reconhecimento facial 3D é que ele não é afetado por mudanças na iluminação como outras técnicas. Ele também pode identificar um rosto de vários ângulos de visão, incluindo uma vista de perfil.
