【塔機人臉識】人臉識別閘機準確采集人臉的影響因素

　　人臉識別，通常也叫做人像識別、面部識別，是基于人臉特有信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，生產靜態或者動態圖像，以不同表情出現等形式存在，人臉識別硬件自動采集和檢測、跟蹤人臉，進而對檢測到的人臉進行識別的一系列相關技術。

　　衡量人臉識別的算法能力的指標：拒識率、誤識率、通過率、準確率。

　　人臉識別常用分類：人臉驗證、人臉檢索、N:N人臉識別

　　人臉識別閘機分類：人臉識別擺閘、人臉識別翼閘、人臉識別三輥閘、人臉識別旋轉閘機等

2、人臉識別閘機準確采集人臉的影響因素：

　　圖像大小：人臉圖像過小會影響識別效果，人臉圖像過大會影響識別速度。非好的人臉識別攝像頭常見規定的小識別人臉像素為60*60或100*100以上。在規定的圖像大小內，算法更容易提升準確率和召回率。圖像大小反映在實際應用場景就是人臉離攝像頭的距離。

　　圖像分辨率：越低的圖像分辨率越難識別。圖像大小綜合圖像分辨率，直接影響攝像頭識別距離。現4K攝像頭看清人臉的遠距離是10米，7K攝像頭是20米。

　　光照環境：過曝或過暗的光照環境都會影響人臉識別效果。可以從攝像頭自帶的功能補光或濾光平衡光照影響，也可以利用算法模型優化圖像光線。

　　模糊程度：實際場景主要著力解決運動模糊，人臉相對于攝像頭的移動經常會產生運動模糊。部分攝像頭有抗模糊的功能，而在成本有限的情況下，考慮通過算法模型優化此問題。

　　遮擋程度：五官無遮擋、臉部邊緣清晰的圖像為很佳。而在實際場景中，很多人臉都會被帽子、眼鏡、口罩等遮擋物遮擋，這部分數據需要根據算法要求決定是否留用訓練。

　　采集角度：人臉相對于攝像頭角度為正臉較好。但實際場景中往往很難抓拍正臉。因此算法模型需訓練包含左右側人臉、上下側人臉的數據。工業施工上攝像頭安置的角度，需滿足人臉與攝像頭構成的角度在算法識別范圍內的要求。

　　閘機硬件質量好：有兼容功能的閘機和二次開發功能的情況下，兼容很好的人臉識別軟件，來共同應用完成采集任務。

上述就是為您介紹的有關塔機人臉識的內容，對此您還有什么不了解的，歡迎前來咨詢我們網站，我們會有客服為您講解。

編輯內容：

關鍵詞：塔機人臉識

新聞動態