您所在位置：网站首页 > IT计算机/网络 > 图形图像动态识别，人脸识别如何实现高效率、高准确率？

动态识别，人脸识别如何实现高效率、高准确率？

6页

卖家[上传人]：.

文档编号：49104275

上传时间：2018-07-23

文档格式：DOCX

文档大小：3.94MB

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

0 金贝

/ 6 举报版权申诉马上下载

文本预览

下载提示

常见问题

1:1/1:n/n:N/动态识别，人脸识别如何实现高效率、高准确率？写这个是由于最近观察到，在移动端上跳出了个 3D 结构光人脸识别技术的概念，细细观察人脸识别技术的发展，你就会明白人脸识别的技术迭代相当美妙，当前行业内拥有强大人脸识别技术的大佬们，像世纪晟人脸识别就发展了 3D 动态人脸识别，都是技术迭代的过程。今天我主要想讲讲最新的动态识别技术。动态 N:N 人像比对技术优势捕获率高：可同时抓取超过 50 张人脸支持大库：支持 30 万以上黑名单库，3 亿以上路人库。支持双流：同时支持普通高清摄像机和人脸抓拍相机高精度：低误报高命中指标人像抓拍捕获率：98人脸最小像素：6060人像布控 10000 人报警库报警响应小于 3 秒误报率=0.1%时，漏报率1路人库存储不低于 30 天下面分解一下动态 3D 人脸识别这项技术，主要参考世纪晟科技人脸识别相关内容。1、基于深度学习的动态 3D 人脸识别技术一人脸检测世纪晟科技采用的是 MTCNN（多任务级联卷积神经网络）人脸检测算法。算法流程：第一阶段：第二阶段：第三阶段：2、基于深度学习的动态 3D 人脸识别技术一活体检测3、基于深度学习的动态 3D 人脸识别技术一 3D 人脸建模学习多个回归函数f1 , fn-1, fn来逼近函数 F： = F（I）= fn (fn-1 (f1(0, I) ,I) , I)i= fi (i-1, I), i=1,n4、基于深度学习的动态 3D 人脸识别技术一特征点提取算法示意图：DeepNets 的训练网络示意图：5、基于深度学习的动态 3D 人脸识别技术一特征点比对一些检测结果面部特征提取可变形模板匹配 Deformable Template- 模板 T：器官形状的参数描述形式(先验)直线、圆、抛物线、四次曲线等- 能量函数F =S(Tp, I)参数p定义的模板Tp与输入图像 I 的匹配程度- 参数优化问题多参数非线性函数极小化 p*= arg minp(F)可变形模板以下巴检测为例- 搜索流程-检测结果

《动态识别，人脸识别如何实现高效率、高准确率？》由会员.分享，可在线阅读，更多相关《动态识别，人脸识别如何实现高效率、高准确率？》请在金锄头文库上搜索。

点击阅读更多内容

TA的资源