Differenza tra rilevamento facciale e riconoscimento facciale
La tecnologia tra rilevamento facciale e riconoscimento facciale è molto diversa, tuttavia questi due termini causano molta confusione. Il rilevamento facciale funziona solo catturando immagini di una persona che cammina attraverso un'area ben posizionata e una telecamera, memorizzando poi quei volti in un database ricercabile.
Il riconoscimento facciale funziona raccogliendo le immagini memorizzate e confrontandole con volti noti in un database. Come potete vedere, è un processo in due fasi. Il sistema standalone non ha la potenza di elaborazione necessaria per gestire sia il rilevamento che il riconoscimento facciale contemporaneamente.
Oggi il rilevamento facciale sta diventando comune con alcuni sistemi DVR o NVR con telecamere. Man mano che le risoluzioni delle telecamere e la densità dei pixel migliorano, molti dispositivi includeranno il rilevamento facciale e molte altre funzioni IVS.
DVR e NVR standalone non avranno il riconoscimento facciale integrato nel sistema principale, poiché questa tecnologia è ancora a molte generazioni di distanza.
Tuttavia, il rilevamento facciale può essere una funzione utile in certe situazioni. Una telecamera ben posizionata e ben angolata davanti a un ingresso può catturare i volti delle persone e memorizzarli localmente in un database ricercabile.
Questa funzione può essere molto comoda se il vostro sistema di sicurezza è impostato per inviare avvisi sul telefono: quando qualcuno entra, il registratore invierà uno snapshot del suo volto al vostro telefono.
Alcuni algoritmi di riconoscimento facciale identificano le caratteristiche facciali estraendo punti di riferimento, o features, da un'immagine del volto del soggetto. Per esempio, un algoritmo può analizzare la posizione relativa, dimensione e/o forma di occhi, naso, zigomi e mascella.
Queste caratteristiche vengono poi usate per cercare altre immagini con caratteristiche corrispondenti. Altri algoritmi normalizzano una galleria di immagini facciali e poi comprimono i dati facciali, salvando solo i dati nell'immagine utili per il riconoscimento facciale.
Un'immagine probe viene poi confrontata con i dati facciali. Gli algoritmi di riconoscimento possono essere divisi in due approcci principali: geometrico, che guarda le caratteristiche distintive, e fotometrico, che è un approccio statistico che distilla un'immagine in valori e confronta i valori con template per eliminare le varianze.
Algoritmi di riconoscimento popolari includono analisi delle componenti principali usando eigenfaces, analisi discriminante lineare, elastic bunch graph matching usando l'algoritmo Fisherface, il modello di Markov nascosto, l'apprendimento multilinare di sottospazi usando rappresentazione tensoriale, e il matching di link dinamici motivato neuronalmente.
Una tendenza emergente, che si dice raggiunga una precisione migliorata, è il riconoscimento facciale tridimensionale. Questa tecnica usa sensori 3D per catturare informazioni sulla forma di un volto.
Queste informazioni vengono poi usate per identificare caratteristiche distintive sulla superficie di un volto, come il contorno delle orbite oculari, naso e mento.
Un vantaggio del riconoscimento facciale 3D è che non è influenzato dai cambiamenti di illuminazione come altre tecniche. Può anche identificare un volto da una gamma di angoli di visione, inclusa la vista di profilo.