A Probabilistic Fusion Methodology for Face Recognition

Tác giả: K. Srinivasa Rao, A. N. Rajagopalan

Lĩnh vực: Xử lý ảnh và Thị giác máy tính

Nội dung tài liệu:

Nghiên cứu này giới thiệu một khung lý thuyết xác suất mới để kết hợp thông tin từ các đặc điểm khuôn mặt khác nhau nhằm nhận dạng khuôn mặt một cách mạnh mẽ. Các đặc điểm được sử dụng bao gồm toàn bộ khuôn mặt, hình ảnh đường biên của khuôn mặt và đôi mắt. Phương pháp đề xuất sử dụng phân tích thành phần chính (PCA) kết hợp với phân tích phân biệt tuyến tính của Fisher (FLD) để mã hóa các đặc điểm khuôn mặt trong không gian đặc trưng có số chiều thấp hơn. Giá trị khoảng cách trong không gian đặc trưng (DIFS) được sử dụng để tính toán trọng số tin cậy cho từng đặc điểm, sau đó các trọng số này được kết hợp thông qua một tiêu chí hợp nhất xác suất để đưa ra quyết định nhận dạng cuối cùng. Một phương pháp tiền xử lý mới nhằm bù trừ sự thay đổi về độ sáng cũng được đề xuất. Phương pháp hợp nhất này được chứng minh là đáng tin cậy hơn so với các hệ thống chỉ sử dụng một đặc điểm đơn lẻ và đã được kiểm định trên các bộ dữ liệu khuôn mặt khác nhau, bao gồm cả cơ sở dữ liệu FERET.

Mục lục chi tiết:

• 1. Giới thiệu
• 2. Lựa chọn và tiền xử lý đặc điểm
• 3. Biểu diễn đặc điểm
• 4. Nhận dạng bằng hợp nhất
• 5. Kết quả thực nghiệm
• 6. Kết luận