Gesichtserkennungstechniken basierend auf Eigenmerkmalen und Ann

Die Gesichtserkennung hat in den letzten Jahrzehnten bei Forschern auf dem Gebiet der Mustererkennung große Aufmerksamkeit erregt. Ihre Bedeutung hat aufgrund ihrer potenziellen Anwendungen in der Strafverfolgung, bei Zugangskontrollsystemen, der Videoüberwachung, der Benutzerauthentifizierung und bei strafrechtlichen Ermittlungen zugenommen. Während es Gesichtserkennungssysteme gibt, die in kontrollierten Umgebungen gut funktionieren, stellen Echtzeitanwendungen eine große Herausforderung dar. Faktoren wie Beleuchtung, Mimik, Pose, Maßstab, geringe Auflösung, teilweise Gesichtsverdeckung und Umgebungsbedingungen machen die Gesichtserkennung zu einer komplexen Aufgabe. Um diese Herausforderungen zu bewältigen, schlägt diese Studie ein hybrides Gesichtserkennungssystem vor, das sowohl holistische als auch strukturelle Informationen berücksichtigt. Bei der ersten Methode wird der Merkmalsvektor direkt in ein ANN (entweder Backpropagation Neural Network oder Radial Basis Function Network) zur Klassifizierung eingegeben. Bei der zweiten Methode wird der durch die Kombination mehrskaliger Gesichtskomponenten gebildete Merkmalsvektor auf einen PCA- oder LDA-Merkmalsraum projiziert, um einen Merkmalsgewichtsvektor zu erhalten, der dann als Eingabe für den ANN-Klassifikator verwendet wird.

Autorentext
Dr. K. Rama Linga Reddy hat 30 Jahre Lehrerfahrung, davon 22 Jahre bei GNITS und 8 Jahre bei CBIT. Seit 2002 ist er als HOD für die ETE-Abteilung tätig. Er kann 85 Forschungsarbeiten vorweisen und hat 5 Doktoranden der JNTUH erfolgreich betreut. Er ist Berater und BOS-Mitglied für viele Ingenieurhochschulen.