Un sistema de reconocimiento facial es una aplicación informática capaz de identificar o verificar a una persona a partir de una imagen digital o un cuadro de video de una fuente de video. Una de las formas de hacerlo es comparando las características faciales seleccionadas de la imagen y una base de datos de caras.

Normalmente se usa en sistemas de seguridad y se puede comparar con otros datos biométricos, como los sistemas de reconocimiento de huellas dactilares o del iris ocular. Recientemente, también se ha popularizado como una herramienta comercial de identificación y mercadeo.

Técnicas para adquisición de rostros
Algunos algoritmos de reconocimiento facial identifican rasgos faciales al extraer hitos o características de una imagen de la cara del sujeto. Por ejemplo, un algoritmo puede analizar la posición relativa, el tamaño y / o la forma de los ojos, la nariz, los pómulos y la mandíbula. Estas características se utilizan luego para buscar otras imágenes con funciones coincidentes. Otros algoritmos normalizan una galería de imágenes de caras y luego comprimen los datos de caras, solo guardando los datos en la imagen que son útiles para el reconocimiento de rostros. A continuación, se compara una imagen de sonda con los datos de la cara. Uno de los primeros sistemas exitosos se basa en técnicas de combinación de plantillas aplicadas a un conjunto de características faciales prominentes, proporcionando una especie de representación de la cara comprimida.

Los algoritmos de reconocimiento se pueden dividir en dos enfoques principales, geométrico, que analiza las características distintivas, o fotométrico, que es un enfoque estadístico que destila una imagen en valores y compara los valores con las plantillas para eliminar las variaciones.

Los algoritmos de reconocimiento populares incluyen análisis de componentes principales utilizando caras propias, análisis discriminante lineal, coincidencia de gráficos de mano elástica usando el algoritmo de Fisherface, el modelo de Markov oculto, el aprendizaje de subespacio multilínea usando representación de tensor y el emparejamiento de enlace dinámico motivado por neuronas.
Reconocimiento tridimensional

La técnica de reconocimiento facial tridimensional usa sensores 3D para capturar información sobre la forma de una cara. Esta información se usa para identificar las características distintivas en la superficie de una cara, como el contorno de las cuencas de los ojos, la nariz y el mentón.

Una ventaja del reconocimiento facial en 3D es que no se ve afectado por los cambios en la iluminación como otras técnicas. También puede identificar una cara desde un rango de ángulos de visión, incluida una vista de perfil. Los puntos de datos tridimensionales de una cara mejoran enormemente la precisión del reconocimiento facial. La investigación en 3D se ve reforzada por el desarrollo de sensores sofisticados que hacen un mejor trabajo al capturar imágenes de caras en 3D. Los sensores funcionan proyectando luz estructurada en la cara. Se pueden colocar hasta una docena o más de estos sensores de imagen en el mismo chip CMOS; cada sensor captura una parte diferente del espectro ....

Incluso una técnica de combinación 3D perfecta podría ser sensible a las expresiones. Para ese objetivo, un grupo de Technion aplicó herramientas de la geometría métrica para tratar expresiones como isometrías

Un nuevo método consiste en introducir una forma de capturar una imagen 3D utilizando tres cámaras de seguimiento que apuntan a diferentes ángulos; una cámara estará apuntando al frente del sujeto, la segunda a un lado y la tercera a un ángulo. Todas estas cámaras funcionarán juntas para poder seguir el rostro de un sujeto en tiempo real y poder detectar y reconocer.
Análisis de textura de la piel

Otra tendencia emergente utiliza los detalles visuales de la máscara, tal como se captura en imágenes digitalizadas o escaneadas estándar. Esta técnica, llamada análisis de textura de la piel, convierte las líneas, los patrones y los puntos únicos aparentes en la piel de una persona en un espacio matemático.

Las pruebas han demostrado que con el agregado del análisis de la textura de la piel, el rendimiento en el reconocimiento de las caras puede aumentar de un 20 a un 25 por ciento.
Cámaras térmicas

Una forma diferente de tomar datos de entrada para el reconocimiento de rostros es mediante el uso de cámaras térmicas, mediante este procedimiento las cámaras solo detectarán la forma del cabezal e ignorará los accesorios del sujeto, como anteojos, sombreros o maquillaje. Un problema con el uso de imágenes térmicas para el reconocimiento de rostros es que las bases de datos para reconocimiento de rostros son limitadas. Diego Socolinsky y Andrea Selinger (2004) investigan el uso del reconocimiento facial térmico en la vida real y los escenarios de operación, y al mismo tiempo crean una nueva base de datos de imágenes de caras térmicas. La investigación usa sensores eléctricos ferroeléctricos de baja resolución y baja sensibilidad que son capaces de adquirir infrarrojos térmicos de onda larga (LWIR). Los resultados muestran que una fusión de LWIR y cámaras visuales regulares tiene los mejores resultados en sondas para exteriores. Los resultados en interiores muestran que el visual tiene un 97,05% de precisión, mientras que LWIR tiene un 93,93% y el Fusion tiene un 98,40%, sin embargo, en el exterior, el visual tiene el 67,06%, el LWIR el 83,03% y la fusión el 89,02%. El estudio utilizó 240 sujetos durante el período de 10 semanas para crear la nueva base de datos. Los datos fueron recolectados en días soleados, lluviosos y nublados.

Biometrides

una nueva plataforma construida para facilitar la identificación de los usuarios de dispositivos automotrices. a la vez como una plataforma que puede resolver problemas de identidad en blockchain
La plataforma Biometrids permite que las personas se identifiquen con otras personas mediante el reconocimiento facial instalado en sus teléfonos. Usando un libro mayor distribuido que no cambia, todos en la cadena son únicos. Una cara significa una ID, y cada ID es única. Si está registrado en esa cadena una vez, nunca podrá manipular esa ID nuevamente ni copiar esa ID. Esto evitará el robo de identidad y el fraude, y también garantizará que los usuarios sean quienes dicen.



Venta de fichas

https://biometrids.io/

El nombre del token será IDS.

Habrá un total de 100,000,000 IDS.

    
5% se venderá en pre-ICO.
    
5% será para recompensas y asesores.
    
El 70% se venderá en crowdsale.
    
10% será para el equipo.
    
10% será para la fundación.

Pre-ICO se ejecutará durante una semana y el precio será de 910 IDS / 1eth. El crowdsale se ejecutará durante cuatro semanas y los precios serán:

    
Semana 1: 665 IDS / 1eth
    
Semana 2: 550 IDS / 1eth
    
Semana 3: 500 IDS / 1eth
    
Semana 4: 450 IDS / 1eth

Pre-Ico y crowdsale se ejecutarán hasta la fecha de finalización, o hasta que se vendan todas las monedas.

El 10% para el equipo y el 10% para la fundación estarán bajo llave por tres años.

Cada moneda sin vender durante el ICO se bloqueará durante cinco años. Después de cinco años, se venderán a los primeros inversionistas en una campaña privada de recaudación de fondos. No se venderán en intercambios.


Website|Bounty Thread|Twitter|Facebook|Discord|Telegram


ANN: https://bitcointalk.org/index.php?topic=2345580.0

Perfil de Bitcointalk: https://bitcointalk.org/index.php?action=profile;u=1048360