¿Cuál es la diferencia entre la detección de rostros y el reconocimiento de rostros

La tecnología entre detección de rostros y reconocimiento de rostros está muy separado, sin embargo, estos dos términos causan mucha confusión. La detección de rostros solo funciona capturando imágenes de una persona caminando por un área y una cámara bien posicionadas, y luego almacena esos rostros en una base de datos de búsqueda.

El reconocimiento facial funciona reuniendo las imágenes almacenadas y comparándolas con rostros conocidos en una base de datos. Como puede ver, este es un proceso de dos pasos. El sistema independiente no tiene la potencia de procesamiento necesaria para manejar la detección y el reconocimiento de rostros al mismo tiempo.

Hoy en día, la detección de rostros se está volviendo común con algunas cámaras de sistema DVR o NVR. . A medida que mejoren las resoluciones de la cámara y la densidad de píxeles, muchos dispositivos vendrán con detección de rostros y muchas otras funciones de IVS.

Los DVR y NVR independientes no tendrán reconocimiento facial integrado en el sistema central, ya que esta tecnología aún está a muchas generaciones de distancia.

Sin embargo, la detección de rostros puede ser una característica útil en ciertas situaciones. Una cámara bien posicionada y con buen ángulo frente a una entrada puede capturar el rostro de las personas y almacenarlos localmente en una base de datos de búsqueda.

Esta característica puede ser muy útil si su sistema de seguridad está configurado para enviar alertas en su teléfono, por lo tanto, cuando alguien ingrese a la grabadora, envíe una instantánea de su rostro a su teléfono.

Algunos algoritmos de reconocimiento facial identifican las características faciales extrayendo puntos de referencia o características de una imagen de la cara del sujeto. Por ejemplo, un algoritmo puede analizar la posición relativa, el tamaño o la forma de los ojos, la nariz, los pómulos y la mandíbula.

Estas características se utilizan luego para buscar otras imágenes con características coincidentes. Otros algoritmos normalizan una galería de imágenes de rostros y luego comprimen los datos de rostros, guardando solo los datos en la imagen que son útiles para el reconocimiento de rostros. A

la imagen de la sonda se compara luego con los datos de la cara. Los algoritmos de reconocimiento se pueden dividir en dos enfoques principales, geométrico, que analiza las características distintivas, y fotométrico, que es un enfoque estadístico que destila una imagen en valores y compara los valores con plantillas para eliminar variaciones.

Los algoritmos de reconocimiento populares incluyen el análisis de componentes principales mediante el uso de caras propias, el análisis discriminante lineal, la coincidencia de gráficos de grupos elásticos mediante el algoritmo de Fisherface, el modelo oculto de Markov, el aprendizaje subespacial multilineal mediante la representación de tensores y la coincidencia de enlaces dinámicos motivados por neuronas.

Una nueva tendencia que se afirma que logra una precisión mejorada es el reconocimiento facial tridimensional. Esta técnica utiliza sensores 3D para capturar información sobre la forma de una cara.

Esta información luego se usa para identificar características distintivas en la superficie de una cara, como el contorno de las cuencas de los ojos, la nariz y la barbilla.

Una ventaja del reconocimiento facial 3D es que no se ve afectado por los cambios de iluminación como otras técnicas. También puede identificar una cara desde una variedad de ángulos de visión, incluida una vista de perfil.