Технология распознавания объектов на основе изображений изучается уже более 30 лет. И в последние 10 лет эта технология получила широкое развитие во многих решениях, получивших высокое практическое применение. Однако с развитием цифровых устройств полученные изображения могут предоставляться из самых разных источников: фотографии, сделанные (или снятые видео) непосредственно с живых существ, фотографии, напечатанные на бумаге, или фотографии (видео), отображаемые на экране компьютера или мобильного телефона. Поэтому обнаружение изображения, полученного с камеры системы непосредственно от живого существа или из изображений напечатанных (или отображенных на телефоне, снятых на видео), позволяет определить правильный объект поставленной задачи. Это обнаружение образа играет важную роль в жизни, например в охранной деятельности, в наблюдении за людьми в соответствии с их регистрацией, сделанной ранее, основной целью является обнаружение живых объектов. Статья посвящена проблеме борьбы со спуфингом человеческих лиц с изложением содержания мер, применяемых в банковской системе и в системе мониторинга доступа в соответствии с предыдущей регистрацией там этих лиц. Цель состоит в том, чтобы проверить информацию о клиенте или пользователе, такую как результаты теста подмигивания, ответ на случайные запросы и т.д. В статье дана оценка преимуществ и недостатков этих методов. В заключение в статье предлагается антиспуфинговое решение с использованием 3D-камеры и в со-D-камеры и в со--камеры и в сочетании со сверточной нейронной сетью для создания более точной антиспуфинговой системы.Ключевые слова: обнаружение живого, лицевой антиспуфинг, моргание глаз, генерация лица
In the recent years, smart home projects started to gain great attention from academic as well as industrial communities. However, an essential challenge that all smart home ideas face is the provision of the ground truth i.e. the labeled training data required to train the machine learning algorithms which achieve the smartness of the smart home. Another challenging task is to evaluate the correctness of the collected ground truth so that we can be sure that we train the system with correct data which represents the reality. In order to build a smart home which is interactive and adaptable to the behavior and preferences of its inhabitants, we need to have comprehensive information about the everyday behavior and preferences of the inhabitants of the smart home. This comprehensive information which needs to be collected represents the ground truth in the context of our smart home research. Many technologies have been utilized in order to collect this information.In this paper, we present our approach for collecting the ground truth in smart homes in a nonintrusive way. More importantly, we present our methodology for evaluating the correctness of the collected ground truth.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.