Методи Розпізнавання Обличчя

Кожен із методів має свої переваги та недоліки, які проявляються при тих чи інших ситуаціях. Фактори, що впливають на якість роботи методів зазвичай одні і ті ж, та все ж таки кожен із методів має свою стійкість до певних із них. Такими факторами являється рівень та кут освітлення, відстань від камери, стан міміки чи здоров’я людини, настрій, кут нахилу обличчя, кут самого обличчя відносно камери, вікові зміни наявність бороди чи вус та ін. Існує багато методів розпізнавання облич, але ми розглянемо основні 4 способи.

Геометричний метод розпізнавання обличчя

є одним із перших серед використовуваних методів розпізнавання обличчя . В методах цього виду розпізнавання полягає у виділенні набору ключових точок (або областей) особи і наступному формуванні набору ознак. Серед ключових точок можуть бути куточки очей, губ, кінчик носа, центр ока тощо. Даний метод задає високі вимоги до зйомки зображень і потребує надійного алгоритму знаходження ключових точок для загального випадку.

Недоліком такого підходу є низька технологічність при запам'ятовуванні нових еталонів, що загалом призводить до нелінійної залежності часу роботи від розміру бази даних осіб.

Використання нейронних мереж

Одні з найкращих результатів в області розпізнавання осіб досягається за допомогою використання згорткових нейронних мереж (ЗНМ), які є логічним розвитком таких архітектур як когнітрон і неокогнітрон. Успіх обумовлений можливістю обліку двовимірної топології зображення, на відміну від багатошарового перцептрона. Завдяки цим нововведенням ЗНМ забезпечує часткову стійкість до змін масштабу, зсувам, поворотам, зміні ракурсу та іншим спотворень . Тестування ЗНМ на базі даних ORL , що містить зображення осіб з невеликими змінами освітлення, масштабу, просторових поворотів, положення і різними емоціями, показало 96% точність розпізнавання.
Серед недоліків - необхідність якісної попередньої обробки зображень через високу чутливість до шуму, оскільки за його присутності зростає кількість помилкових бінарних кодів.

Локальні бінарні шаблони 

ЛБШ вперше були запропоновані в 1996 році для аналізу текстури півтонових зображень.

Дослідження показали, що ЛБШ інваріантні до невеликих змін в умовах освітлення і невеликим поворотам зображення . Методи на основі ЛБШ добре працюють при використанні зображень облич із різною мімікою, різним освітленням, поворотами голови.
Серед недоліків - необхідність якісної попередньої обробки зображень через високу чутливість до шуму.

Метод головних компонентів 

МГК зводить процес розпізнавання чи класифікації до побудови для вхідного зображення певної кількості головних компонент зображень.

До переваг методу можна віднести використання недорогого обладнання; при відповідному обладнанні є можливість розпізнавання зображень отриманих на значних відстанях. 

Недоліки наступні: низька статистична достовірність, високі вимоги до освітлення, обов'язкове фронтальне зображення особи, з невеликими відхиленнями. Не враховують можливі зміни міміки обличчя.