Sistem pengenalan wajah adalah aplikasi komputer yang mampu mengidentifikasi atau memverifikasi seseorang dari gambar digital atau bingkai video dari sumber video. Salah satu cara untuk melakukan ini adalah dengan membandingkan fitur wajah yang dipilih dari gambar dan database wajah.
Ini biasanya digunakan dalam sistem keamanan dan dapat dibandingkan dengan biometrik lainnya seperti sistem pengenalan sidik jari atau mata. Baru-baru ini, ia juga menjadi populer sebagai alat identifikasi dan pemasaran komersial.
Teknik untuk akuisisi wajah
Beberapa algoritma pengenalan wajah mengidentifikasi fitur wajah dengan mengekstraksi landmark, atau fitur, dari gambar wajah subjek. Sebagai contoh, suatu algoritma dapat menganalisa posisi relatif, ukuran, dan / atau bentuk mata, hidung, tulang pipi, dan rahang. Fitur-fitur ini kemudian digunakan untuk mencari gambar lain dengan fitur yang cocok. Algoritma lainnya menormalkan galeri gambar wajah dan kemudian memampatkan data wajah, hanya menyimpan data dalam gambar yang berguna untuk pengenalan wajah. Citra probe kemudian dibandingkan dengan data wajah. Salah satu sistem yang paling sukses awal adalah berdasarkan teknik pencocokan template yang diterapkan pada satu set fitur wajah yang menonjol, menyediakan semacam representasi wajah terkompresi.
Algoritma pengenalan dapat dibagi menjadi dua pendekatan utama, geometrik, yang melihat fitur pembeda, atau fotometri, yang merupakan pendekatan statistik yang menyaring gambar ke dalam nilai dan membandingkan nilai dengan templat untuk menghilangkan varians.
Algoritma pengenalan populer termasuk analisis komponen utama menggunakan eigenfaces, analisis diskriminan linier, pencocokan grafik tandan elastis menggunakan algoritma Fisherface, model Markov tersembunyi, pembelajaran subruang multilinear menggunakan representasi tensor, dan pencocokan tautan dinamis bermotivasi neuronal.
Pengakuan 3 dimensi
Teknik pengenalan wajah tiga dimensi menggunakan sensor 3D untuk menangkap informasi tentang bentuk wajah. Informasi ini kemudian digunakan untuk mengidentifikasi ciri khas pada permukaan wajah, seperti kontur soket mata, hidung, dan dagu.
Satu keuntungan dari pengenalan wajah 3D adalah bahwa hal itu tidak dipengaruhi oleh perubahan pencahayaan seperti teknik lainnya. Ini juga dapat mengidentifikasi wajah dari berbagai sudut pandang, termasuk tampilan profil. Titik data tiga dimensi dari wajah sangat meningkatkan ketepatan pengenalan wajah. Riset 3D ditingkatkan dengan pengembangan sensor canggih yang melakukan pekerjaan lebih baik dalam menangkap citra wajah 3D. Sensor bekerja dengan memproyeksikan cahaya terstruktur ke wajah. Hingga selusin atau lebih dari sensor gambar ini dapat ditempatkan pada chip CMOS yang sama - setiap sensor menangkap bagian yang berbeda dari spektrum….
Bahkan teknik pencocokan 3D yang sempurna bisa menjadi peka terhadap ekspresi. Untuk tujuan itu kelompok di alat Technion diterapkan dari geometri metrik untuk memperlakukan ekspresi sebagai isometry
Metode baru adalah memperkenalkan cara untuk menangkap gambar 3D dengan menggunakan tiga kamera pelacak yang menunjuk pada sudut yang berbeda; satu kamera akan menunjuk di depan subjek, yang kedua ke samping, dan yang ketiga pada sudut. Semua kamera ini akan bekerja bersama sehingga dapat melacak wajah subjek secara real time dan dapat mendeteksi dan mengenali wajah.
Analisis tekstur kulit
Tren lain yang muncul menggunakan detail visual kulit, seperti yang ditangkap dalam gambar digital atau pindaian standar. Teknik ini, yang disebut analisis tekstur kulit, mengubah garis-garis unik, pola, dan bintik-bintik yang terlihat pada kulit seseorang menjadi ruang matematika.
Tes telah menunjukkan bahwa dengan penambahan analisis tekstur kulit, kinerja dalam mengenali wajah dapat meningkat 20 hingga 25 persen.
Kamera termal
Bentuk berbeda dari pengambilan data input untuk pengenalan wajah adalah dengan menggunakan kamera termal, dengan prosedur ini kamera hanya akan mendeteksi bentuk kepala dan akan mengabaikan aksesori subjek seperti kacamata, topi, atau make up. Masalah dengan menggunakan gambar termal untuk pengenalan wajah adalah bahwa database untuk pengenalan wajah terbatas. Diego Socolinsky, dan Andrea Selinger (2004) meneliti penggunaan pengenalan wajah termal dalam kehidupan nyata, dan pemandangan operasi, dan pada saat yang sama membangun database baru dari citra wajah termal. Penelitian ini menggunakan sensor listrik elektro-listrik rendah-sensitif dan beresolusi rendah yang mampu memperoleh inframerah termal gelombang panjang (LWIR). Hasilnya menunjukkan bahwa peleburan LWIR dan kamera visual biasa memiliki hasil yang lebih besar dalam pemeriksaan luar ruangan. Hasil dalam ruangan menunjukkan bahwa visual memiliki akurasi 97,05%, sementara LWIR memiliki 93,93%, dan Fusion memiliki 98,40%, namun di luar ruangan terbukti visual memiliki 67,06%, LWIR 83,03%, dan fusi memiliki 89,02%. Penelitian ini menggunakan 240 subjek selama periode 10 minggu untuk membuat database baru. Data dikumpulkan pada hari-hari cerah, hujan, dan berawan.
Biometrids
platform baru yang dibangun untuk memudahkan mengidentifikasi wajah pengguna perangkat mobil. sekaligus sebagai platform yang dapat memecahkan masalah identitas di blockchain
The Biometrids Platform memungkinkan orang mengidentifikasi diri mereka dengan orang lain menggunakan pengenalan wajah yang dipasang di ponsel mereka. Menggunakan buku besar terdistribusi yang tidak berubah, semua orang dalam rantai itu unik. Satu wajah berarti satu ID, dan setiap ID adalah unik. Jika Anda tercatat dalam rantai itu sekali, Anda tidak akan dapat memanipulasi ID itu lagi atau menyalin ID itu. Ini akan mencegah pencurian identitas dan penipuan, dan juga akan memastikan pengguna adalah mereka yang mereka katakan.
Penjualan Token
Nama token akan berupa IDS.
Akan ada total 100.000.000 IDS.
5% akan dijual di pra-ICO.
5% akan untuk karunia dan penasehat.
70% akan dijual melakukan crowdsale.
10% akan untuk tim.
10% akan menjadi pondasi.
Pra-ICO akan berjalan selama satu minggu dan harganya akan menjadi 910 IDS / 1eth. Crowdsale akan berjalan selama empat minggu dan harga akan menjadi:
Minggu 1: 665 IDS / 1eth
Minggu 2: 550 IDS / 1eth
Minggu 3: 500 IDS / 1eth
Minggu 4: 450 IDS / 1eth
Pra-Ico dan crowdsale akan berjalan hingga tanggal akhir, atau sampai semua koin terjual.
10% untuk tim dan 10% untuk pondasi akan dikunci selama tiga tahun.
Setiap koin yang tidak terjual selama ICO akan dikunci selama lima tahun. Setelah lima tahun, mereka akan dijual kembali kepada investor awal dalam kampanye penggalangan dana pribadi. Mereka tidak akan dijual di bursa.
Tim
Morten Nielsen
CEO dan pemimpin harian.
Morten adalah penggemar crypto dengan wawasan mendalam tentang teknologi blockchain. Dia sangat tertarik dengan teknologi baru dan menggunakan kasus, dan seorang pengusaha yang telah membangun dan menjual berbagai toko web online.
Dia memiliki pengalaman hebat di bidang penjualan, teknologi, dan kepemimpinan. Morten adalah pemecah masalah, mempelajari ekonomi di waktu luangnya.
Daniel broe
Pengembang Bisnis dan Kemitraan
Daniel memimpin pengembangan bisnis. Dia sangat tertarik dengan blockchain dan pengembangan bisnis dan adalah seorang pengusaha.
Dia saat ini bekerja sebagai konsultan TI dan Keuangan Senior. Daniel sebelumnya adalah salah satu pendiri analisis olahraga anak perusahaan Norwegia dan Kepala Departemen di Denmark.
jalone sapworth
Manajer Pemasaran
Jolene memimpin departemen pemasaran.
Dia telah bekerja dengan pemasaran dan komunikasi di sebuah perusahaan besar di Denmark. Dia memiliki PBA dalam Pemasaran dan Komunikasi Internasional dan juga dididik dalam Manajemen Pemasaran.
kirill Beresnev
Ethereum Developer
Kirill adalah pemimpin pengembang Ethereum dan merupakan insinyur blockchain yang antusias dengan pengalaman lima tahun.
Kirill memiliki pengalaman luas dalam Ethereum dan pengembangan blockchain. Kirill sebelumnya bekerja dengan Smartum Pro dan Hyerledger Fabric.
jana atonova
Desainer Grafis
Jana adalah seorang desainer grafis dan fotografer berpengalaman, mengelola dan mengkoordinasikan proyek desain grafis dari konsep hingga penyelesaian.
Jana pandai membuat desain, serta membangun, memotivasi, dan mengarahkan desain dan produksi secara efektif.
Kiril ganchev
Algoritma dan pengembang tumpukan penuh
Kiril memimpin Algoritma. Kiril Ganchev memiliki lebih dari delapan tahun pengalaman dalam pemrosesan gambar, algoritma visi komputer, sistem embedded, dan pinggiran. Dia telah bekerja bertahun-tahun untuk proyek Nokia dan Microsoft, yang telah berhasil dan mendapat peringkat tinggi. Dia juga memimpin tim profesional yang kecil namun sangat terampil.
Kiril belajar Fisika di Universitas Sofia “St. Kliment Ohridski ”dan telah berpartisipasi dalam kontes informatika, matematika, fisika, dan astronomi.
lgor Nokavic
Ethereum dan pengembang web
Igor adalah pengembang web yang berpengalaman dan pengembang Ethereum. Sangat antusias dengan teknologi baru.
Memiliki gelar Sarjana dalam Sistem Informasi Bisnis. Lulus pada "Pengembangan Perangkat Lunak Agile - metodologi SCRUM".
Adivisors
michael Moller Nielsen
Penasihat keuangan
Michael telah bekerja dengan audit dan pajak, serta konsultasi khusus, untuk perusahaan dan individu sejak 2009. Ini termasuk pengembangan bisnis untuk optimalisasi proses bisnis dan rencana strategi.
Michael memiliki Master of Science (MSc) dalam Ekonomi Bisnis dan Audit dan PBA dalam Pemasaran Internasional dan Komunikasi, dan juga dididik dalam Manajemen Pemasaran.
sabina Kethelz
Penasihat Teknis dan Produk
Sabina adalah direktur dan pendiri di CIP Consulting Group.
Seorang anggota dewan penasehat di Shape Robotics dan mantan CEO CP Robotics, Sabina memiliki Master of Arts dalam Komunikasi Bisnis Internasional dan Kewirausahaan Strategis
Mari Bergabung Bersama Kami di sini di Platform BIOMETRIDS yang bagus
Itu sedikit informasi tentang Biometrid, untuk informasi lebih lanjut silakan kunjungi:
Situs web resmi: https://biometrids.io/
twitter: https://twitter.com/biometrids/
Penulis : dimasarwana
Profile : https://bitcointalk.org/index.php?action=profile;u=1936281
0x37aE0f3c911523fc5DEE4ba2Aea567bC1ce22735
Tidak ada komentar:
Posting Komentar