Sistema di riconoscimento facciale: Sbloccare il potere dell'intelligenza visiva
Di Fouad Sabry
()
Info su questo ebook
Che cos'è il sistema di riconoscimento facciale
Un sistema di riconoscimento facciale è una tecnologia potenzialmente in grado di abbinare un volto umano da un'immagine digitale o un fotogramma video a un database di volti. Un sistema di questo tipo viene generalmente utilizzato per autenticare gli utenti tramite servizi di verifica dell'identità e funziona individuando e misurando le caratteristiche del viso da una determinata immagine.
Come trarrai vantaggio
(I) Approfondimenti e convalide sui seguenti argomenti:
Capitolo 1: Sistema di riconoscimento facciale
Capitolo 2: Rilevamento facciale
Capitolo 3: Biometria
Capitolo 4: Punti biometrici
Capitolo 5: DeepFace
Capitolo 6: Visage SDK
Capitolo 7: Amazon Rekognition
Capitolo 8: Clearview AI
Capitolo 9: Adam Harvey (artista)
Capitolo 10: Tecnologia di sostituzione dell'identità
(II) Rispondere al pubblico domande principali sul sistema di riconoscimento facciale.
(III) Esempi reali dell'utilizzo del sistema di riconoscimento facciale in molti campi.
A chi è rivolto questo libro
Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che desiderano andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di sistema di riconoscimento facciale.
Correlato a Sistema di riconoscimento facciale
Titoli di questa serie (100)
Istogramma dell'immagine: Svelare intuizioni visive, esplorare le profondità degli istogrammi delle immagini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRiduzione del rumore: Miglioramento della chiarezza, tecniche avanzate per la riduzione del rumore nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCorrezione gamma: Migliorare la chiarezza visiva nella visione artificiale: la tecnica di correzione gamma Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale subacquea: Esplorando le profondità della visione artificiale sotto le onde Valutazione: 0 su 5 stelle0 valutazioniModello del sistema visivo umano: Comprendere la percezione e l'elaborazione Valutazione: 0 su 5 stelle0 valutazioniSpazio colore: Esplorare lo spettro della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRetinex: Svelare i segreti della visione computazionale con Retinex Valutazione: 0 su 5 stelle0 valutazioniOmografia: Omografia: trasformazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRidipintura: Colmare le lacune nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniVisione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniContorno attivo: Avanzamento della visione artificiale con tecniche di contorno attivo Valutazione: 0 su 5 stelle0 valutazioniMappatura dei toni: Mappatura dei toni: prospettive illuminanti nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevamento dei contorni: Svelare l'arte della percezione visiva nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniPercezione visiva: Approfondimenti sull'elaborazione visiva computazionale Valutazione: 0 su 5 stelle0 valutazioniFiltro adattivo: Migliorare la visione artificiale attraverso il filtraggio adattivo Valutazione: 0 su 5 stelle0 valutazioniGruppo congiunto di esperti fotografici: Sfruttare la potenza dei dati visivi con lo standard JPEG Valutazione: 0 su 5 stelle0 valutazioniEqualizzazione dell'istogramma: Miglioramento del contrasto dell'immagine per una migliore percezione visiva Valutazione: 0 su 5 stelle0 valutazioniTrasformata del radon: Svelare modelli nascosti nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniTrasformazione affine: Sbloccare le prospettive visive: esplorare la trasformazione affine nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevatore di bordi astuto: Svelare l'arte della percezione visiva Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniBanca filtri: Approfondimenti sulle tecniche del banco di filtri di Computer Vision Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto del colore: Comprendere la percezione e la rappresentazione nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di Hough: Svelare la magia della trasformazione di Hough nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniFunzione di corrispondenza dei colori: Comprendere la sensibilità spettrale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformata di Hadamard: Svelare il potere della trasformazione Hadamard nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModello a colori: Comprendere lo spettro della visione artificiale: esplorare i modelli di colore Valutazione: 0 su 5 stelle0 valutazioniConsenso del campione casuale: Stima robusta nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniHashing geometrico: Algoritmi efficienti per il riconoscimento e la corrispondenza delle immagini Valutazione: 0 su 5 stelle0 valutazioni
Ebook correlati
Rilevamento oggetti: Progressi, applicazioni e algoritmi Valutazione: 0 su 5 stelle0 valutazioniRiconoscimento ottico del Braille: Potenziare l'accessibilità attraverso l'intelligenza visiva Valutazione: 0 su 5 stelle0 valutazioniRete di sensori visivi: Esplorare la potenza delle reti di sensori visivi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale: Approfondimenti sul mondo della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSoftware Afelio: Sbloccare la visione: esplorare le profondità del software Aphelion Valutazione: 0 su 5 stelle0 valutazioniStima della posa del corpo articolato: Sbloccare il movimento umano nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRealtà aumentata: Esplorando le frontiere della visione artificiale nella realtà aumentata Valutazione: 0 su 5 stelle0 valutazioniEigenface: Esplorare le profondità del riconoscimento visivo con Eigenface Valutazione: 0 su 5 stelle0 valutazioniVisualizza la sintesi: Esplorare le prospettive nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSegmentazione delle immagini: Sbloccare insight grazie alla precisione dei pixel Valutazione: 0 su 5 stelle0 valutazioniElaborazione delle immagini piramidali: Esplorare le profondità dell'analisi visiva Valutazione: 0 su 5 stelle0 valutazioniApprendimento delle caratteristiche geometriche: Sbloccare le intuizioni visive attraverso l'apprendimento delle caratteristiche geometriche Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto attivo: Sbloccare la potenza dei modelli di aspetto attivo nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRicerca inversa delle immagini: Svelare i segreti del riconoscimento visivo Valutazione: 0 su 5 stelle0 valutazioniRecupero di immagini basato sul contenuto: Sbloccare i database visivi Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale subacquea: Esplorando le profondità della visione artificiale sotto le onde Valutazione: 0 su 5 stelle0 valutazioniModello del sistema visivo umano: Comprendere la percezione e l'elaborazione Valutazione: 0 su 5 stelle0 valutazioniGrafica di ray-tracing: Esplorazione del rendering fotorealistico nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniComputer grafica tridimensionale: Esplorare l'intersezione tra visione e mondi virtuali Valutazione: 0 su 5 stelle0 valutazioniFotocamera intelligente: Rivoluzionare la percezione visiva con la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniFlusso ottico: Esplorazione di modelli visivi dinamici nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRiconoscimento dei gesti: Sbloccare il linguaggio del movimento Valutazione: 0 su 5 stelle0 valutazioniRendering di grafica computerizzata: Esplorare il realismo visivo: approfondimenti sulla computer grafica Valutazione: 0 su 5 stelle0 valutazioniRiconoscimento automatico del bersaglio: Progressi nelle tecniche di visione artificiale per il riconoscimento del bersaglio Valutazione: 0 su 5 stelle0 valutazioniRiconoscimento dell'iride: Prospettive illuminanti sul riconoscimento dell'iride nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniAI nel Business: Guida Pratica all'Uso dell'Intelligenza Artificiale in Diverse Settori Valutazione: 0 su 5 stelle0 valutazioni
Intelligenza artificiale e semantica per voi
ANonniMus: Vecchi rivoluzionari contro giovani robot Valutazione: 0 su 5 stelle0 valutazioniGuida Intelligenza Artificiale Valutazione: 0 su 5 stelle0 valutazioniIl Terzo Like Valutazione: 0 su 5 stelle0 valutazioni
Recensioni su Sistema di riconoscimento facciale
0 valutazioni0 recensioni
Anteprima del libro
Sistema di riconoscimento facciale - Fouad Sabry
Capitolo 1: Sistema di riconoscimento facciale
Un sistema di riconoscimento facciale è una tecnologia in grado di abbinare un volto umano da un'immagine digitale o da un fotogramma video a un database di volti. Questi sistemi vengono in genere utilizzati per autenticare gli utenti tramite servizi di verifica dell'identità. I sistemi di riconoscimento facciale funzionano localizzando e misurando le caratteristiche facciali di una determinata immagine.
Negli anni '60 iniziarono a essere sviluppati sistemi analoghi, prima come una sorta di applicazione per computer. Dalla sua introduzione, i sistemi di riconoscimento facciale hanno trovato un maggiore utilizzo negli ultimi anni, in particolare sugli smartphone e in altri tipi di tecnologia, come i robot. Il software di riconoscimento facciale rientra nella categoria della biometria poiché si basa sull'analisi delle caratteristiche fisiologiche di una persona per identificarle. Anche se l'accuratezza dei sistemi di riconoscimento facciale come tecnologia biometrica è inferiore a quella del riconoscimento dell'iride e del riconoscimento delle impronte digitali, ha guadagnato un'adozione diffusa grazie al fatto che la procedura non richiede il contatto fisico. Questa modifica sarà una delle rivoluzioni più significative nell'uso della tecnologia di riconoscimento facciale negli annali della storia di quel campo.
Gli anni '60 videro la nascita dei primi sistemi automatizzati di riconoscimento facciale. Woody Bledsoe, Helen Chan Wolf e Charles Bisson hanno collaborato allo sviluppo di un software che avrebbe permesso a un computer di identificare i volti umani. La prima iterazione del loro progetto di riconoscimento facciale è stata definita il sistema uomo-macchina
. Ciò era dovuto al fatto che le coordinate delle caratteristiche facciali in un'immagine dovevano essere definite da una persona prima che il computer potesse utilizzarle per il riconoscimento. Un essere umano doveva utilizzare una tavoletta grafica per individuare con precisione le coordinate di diverse caratteristiche del viso, come i centri delle pupille, l'angolo interno ed esterno degli occhi e il picco della vedova nell'attaccatura dei capelli. Utilizzando le coordinate, siamo stati in grado di determinare un totale di 20 distanze, tra cui la larghezza della bocca e la distanza tra gli occhi. In questo approccio, un essere umano potrebbe analizzare circa 40 immagini in un'ora e, di conseguenza, sviluppare un database che includa le distanze determinate. Le distanze tra ogni immagine verrebbero quindi confrontate automaticamente da un computer e la differenza di tali distanze verrebbe calcolata. Il computer fornirebbe quindi i record chiusi come probabile corrispondenza.
Prima degli anni '90, lo sviluppo dei sistemi di riconoscimento facciale è stato realizzato principalmente attraverso l'uso di ritratti fotografici di volti umani. La ricerca sul riconoscimento facciale per rilevare con precisione un volto in un'immagine che include anche altri oggetti ha iniziato a prendere piede nei primi anni '90 con l'uso dell'analisi delle componenti principali (PCA). Matthew Turk e Alex Pentland sono responsabili dello sviluppo della tecnica PCA di rilevamento dei volti, nota anche come approccio Eigenface.
Clearview AI ha donato il software al governo ucraino. Si ritiene che la Russia ne stia facendo uso per localizzare i manifestanti contro la guerra. Inizialmente sviluppato per l'uso da parte delle forze dell'ordine negli Stati Uniti L'uso nei caduti di guerra suscita ulteriori preoccupazioni. Stephen Hare, uno specialista di sorveglianza con sede a Londra, è preoccupato che possa dare l'impressione che gli ucraini siano disumani: Sta davvero avendo l'effetto desiderato? O fa sì che i russi dicano cose come:
Guardate quegli ucraini senza legge che sono duri con i nostri ragazzi"?
Sebbene non ci voglia molto sforzo per le persone per identificare i volti degli altri, l'identificazione delle caratteristiche facciali di un soggetto da parte di alcuni algoritmi di riconoscimento facciale comporta l'estrazione di punti di riferimento o caratteristiche da un'immagine del viso del soggetto. Un algoritmo può, ad esempio, valutare la posizione, le dimensioni e/o la forma della mascella in relazione agli occhi, al naso, agli zigomi e ad altre caratteristiche facciali. applicato a un gruppo selezionato di caratteristiche facciali prominenti, risultando in una rappresentazione del viso che è in qualche modo condensata.
Esistono due metodi principali che possono essere utilizzati per sviluppare algoritmi di riconoscimento: il metodo geometrico, che si concentra sulle caratteristiche distintive, e il metodo fotometrico, che è un metodo statistico che riduce un'immagine a un insieme di valori e quindi confronta tali valori con modelli per eliminare le variazioni. Alcune persone dividono questi algoritmi in due gruppi principali: modelli olistici e modelli basati su funzionalità. [Citazione necessaria] [Citazione necessaria] Il primo metodo cerca di identificare il volto nel suo insieme, ma il secondo metodo, che è basato sulle caratteristiche, scompone il volto nelle sue parti componenti, ad esempio in base alle caratteristiche, e analizza ogni parte insieme alla sua collocazione spaziale in relazione alle altre parti.
Per facilitare l'identificazione umana a distanza (HID), le fotografie a bassa risoluzione dei volti vengono aumentate tramite allucinazioni facciali. Nelle immagini delle telecamere a circuito chiuso, i volti delle persone sono spesso piuttosto difficili da distinguere. Tuttavia, poiché gli algoritmi di riconoscimento facciale che identificano e tracciano le caratteristiche facciali richiedono immagini ad alta risoluzione, sono state sviluppate tecniche di miglioramento della risoluzione per consentire ai sistemi di riconoscimento facciale di lavorare con immagini acquisite in ambienti con un elevato rapporto segnale/rumore. Ciò è possibile perché le tecniche di miglioramento della risoluzione consentono ai sistemi di riconoscimento facciale di lavorare con immagini acquisite in ambienti con un elevato rapporto segnale/rumore. Gli algoritmi di allucinazione facciale vengono applicati alle immagini prima che tali immagini vengano inviate al sistema di riconoscimento facciale. Questi algoritmi utilizzano l'apprendimento automatico basato su esempi in combinazione con la