Abstract - With many applications i

Abstract - With many applications in various domains, Face
Recognition technology has received a great deal of attention
over the decades in the field of image analysis and computer
vision. It has been studied by scientists from different areas of
psychophysical sciences and those from different areas of
computer science. Psychologists and neuro-scientists mainly deal
with the human perception part of the topic where as engineers
studying on machine recognition of human faces deal with the
computational aspects of Face Recognition. Face Recognition is
an important and natural human ability of a human being.
However developing a computer algorithm to do the same thing
is one of the toughest tasks in computer vision. Research over the
past several years enables similar recognitions automatically.
Various face recognition techniques are represented through
various classifications such as, Image-based face recognition and
Video-based recognition, Appearance-based and Model-based,
2D and 3D face recognition methods. This paper gives a review of
different face recognition techniques available as of today. The
focus is on subspace techniques, investigating the use of image
pre-processing applied as a preliminary step in order to reduce
error rates. The Principle Component Analysis, Linear
Discriminant Analysis and their modified methods of face
recognition are implemented under subspace techniques,
computing False Acceptance Rates (FAR)and False Rejection
Rates (FRR) on a standard test set of images that pose typical
difficulties for recognition. By applying a range of image
processing techniques it is demonstrated that the performance is
highly dependent on the type of pre-processing steps used and
that Equal Error Rates (EER) of the Eigenface and Fisherface
methods can be reduced using the method proposed in this
paper.
Keywords–Face Recognition, Normalization, Subspace,
Eigenfece, Fisher face, Fisher Liner Disriminant.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อ - ด้วยโปรแกรมประยุกต์หลายในโดเมนต่าง ๆ ใบหน้าเทคโนโลยีการรับรู้ได้รับความสนใจมากกว่าทศวรรษที่ผ่านมาในด้านการวิเคราะห์ภาพและคอมพิวเตอร์วิสัยทัศน์ การศึกษา โดยนักวิทยาศาสตร์จากพื้นที่ต่าง ๆ ของวิทยาศาสตร์ psychophysical และจากพื้นที่ต่าง ๆ ของวิทยาการคอมพิวเตอร์ นักจิตวิทยาและนักวิทยาศาสตร์สมองส่วนใหญ่จัดการมีส่วนรับรู้มนุษย์ของหัวข้อที่เป็นวิศวกรการศึกษาการรับรู้เครื่องของมนุษย์หันหน้าจัดการกับการด้านคำนวณการจดจำใบหน้า จดจำใบหน้าได้ความสามารถบุคคลที่สำคัญ และธรรมชาติของมนุษย์อย่างไรก็ตาม การพัฒนาอัลกอริทึมคอมพิวเตอร์ทำสิ่งเดียวกันเป็นหนึ่งในงานที่ยากที่สุดในคอมพิวเตอร์วิทัศน์ งานวิจัยผ่านการหลายปีที่ผ่านมาทำให้รางวัลที่คล้ายกันโดยอัตโนมัติต่าง ๆ เทคนิคการรู้จำใบหน้าจะแสดงในจัดประเภทต่าง ๆ เช่น จดจำใบหน้ารูปภาพ และวิดีโอตามการรับรู้ ตามลักษณะ และรูปแบบ ตาม2D และ 3D หน้าวิธีการรับรู้ กระดาษนี้ให้ทบทวนหน้าแตกรู้เทคนิคมีวันนี้ ที่โฟกัสอยู่บน subspace เทคนิค ตรวจสอบการใช้ภาพการประมวลผลก่อนนำไปใช้เป็นขั้นตอนเบื้องต้นเพื่อลดอัตราข้อผิดพลาด หลักการส่วนประกอบวิเคราะห์ เส้นการวิเคราะห์ discriminant และวิธีการแก้ไขของใบหน้าการจะดำเนินการภายใต้เทคนิค subspaceคอมพิวเตอร์เท็จปฏิเสธและไม่ยอมรับราคา (ฟาร์)ราคาพิเศษ (FRR) ชุดทดสอบมาตรฐานของภาพว่ามีทั่วไปความยากลำบากในการรับรู้ โดยใช้ช่วงของรูปแต่จะแสดงว่า ประสิทธิภาพการทำงานเป็นเทคนิคการประมวลผลสูงขึ้นอยู่กับชนิดของขั้นตอนก่อนการประมวลผลที่ใช้ และที่เท่ากันข้อผิดพลาดราคา (ตัว) Eigenface และ Fisherfaceวิธีลงโดยใช้วิธีการนำเสนอในที่นี้กระดาษคำสำคัญ – หน้ารู้ ฟื้นฟู SubspaceEigenfece ฟิชเชอร์หน้า Fisher ซับ Disriminant

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ - มีการใช้งานมากในโดเมนต่างๆใบหน้า
เทคโนโลยีการรับรู้ที่ได้รับการจัดการที่ดีของความสนใจ
ในช่วงทศวรรษที่ผ่านมาในด้านการวิเคราะห์ภาพและคอมพิวเตอร์
วิสัยทัศน์ จะได้รับการศึกษาโดยนักวิทยาศาสตร์จากพื้นที่ต่างๆของ
จิตวิทยาศาสตร์และผู้ที่มาจากพื้นที่ต่างๆของ
วิทยาการคอมพิวเตอร์ นักจิตวิทยาและประสาทนักวิทยาศาสตร์ส่วนใหญ่จัดการ
กับส่วนการรับรู้ของมนุษย์ในหัวข้อที่เป็นวิศวกร
ศึกษาในการรับรู้ของเครื่องใบหน้าของมนุษย์จัดการกับ
ทุกแง่มุมของการคำนวณจดจำใบหน้า จดจำใบหน้าเป็น
ความสามารถของมนุษย์ที่สำคัญและเป็นธรรมชาติของมนุษย์.
อย่างไรก็ตามการพัฒนาอัลกอริทึมคอมพิวเตอร์ที่จะทำในสิ่งเดียวกัน
เป็นหนึ่งในงานที่ยากที่สุดในคอมพิวเตอร์วิสัยทัศน์ การวิจัยในช่วง
หลายปีที่ผ่านมาช่วยให้ความสำเร็จที่คล้ายกันโดยอัตโนมัติ.
เทคนิคการจดจำใบหน้าต่างๆจะแสดงผ่าน
การจำแนกประเภทต่างๆเช่นการจดจำใบหน้าภาพที่ใช้และ
ได้รับการยอมรับวิดีโอตามลักษณะที่ใช้และรุ่นที่ใช้
2D และ 3D วิธีการจดจำใบหน้า กระดาษนี้จะช่วยให้ความคิดเห็นของ
เทคนิคการจดจำใบหน้าที่แตกต่างกัน ณ วันนี้
ความสำคัญกับเทคนิคสเปซ, ตรวจสอบการใช้ของภาพ
ก่อนการประมวลผลนำไปใช้เป็นขั้นตอนเบื้องต้นเพื่อลด
อัตราความผิดพลาด วิเคราะห์องค์ประกอบหลักการเชิงเส้น
วิเคราะห์จำแนกและวิธีการแก้ไขของใบหน้าของพวกเขา
ได้รับการยอมรับจะดำเนินการภายใต้เทคนิคสเปซ,
การคำนวณอัตราการยอมรับผิด (FAR) และปฏิเสธเท็จ
อัตรา (FRR) กับชุดทดสอบมาตรฐานของภาพที่ก่อให้เกิดความปกติ
ความยากลำบากสำหรับการรับรู้ โดยใช้ช่วงของภาพ
เทคนิคการประมวลผลมันจะแสดงให้เห็นว่าประสิทธิภาพ
สูงขึ้นอยู่กับชนิดของขั้นตอนก่อนการประมวลผลที่ใช้และ
ข้อผิดพลาดที่อัตราที่เท่าเทียมกัน (EER) ของ Eigenface Fisherface และ
วิธีการสามารถลดลงได้โดยใช้วิธีการที่นำเสนอในครั้งนี้
กระดาษ .
คำ-Face Recognition, ปกติ, สเปซ,
Eigenfece ใบหน้าฟิชเชอร์, ฟิชเชอร์ไลเนอร์ Disriminant

ผลลัพธ์ (ไทย) 3:

นามธรรม - กับการใช้งานมากในหลายโดเมน , เทคโนโลยีจดจำใบหน้า
ได้รับการจัดการที่ดีของความสนใจ
กว่าทศวรรษในด้านการวิเคราะห์ภาพและภาพคอมพิวเตอร์

จะได้รับการศึกษาโดยนักวิทยาศาสตร์จากพื้นที่ที่แตกต่างกันของวิทยาศาสตร์ และจากการ

พื้นที่ที่แตกต่างกันของวิทยาศาสตร์คอมพิวเตอร์ นักจิตวิทยาและนักวิทยาศาสตร์ส่วนใหญ่จัดการ
ประสาทกับการรับรู้ของมนุษย์เป็นส่วนหนึ่งของหัวข้อที่เป็นวิศวกร
เรียนบนเครื่องจดจำใบหน้าคนจัดการกับ
ด้านการคำนวณของใบหน้าดู ใบหน้าคือ
ที่สำคัญและความสามารถในธรรมชาติของมนุษย์ของมนุษย์ .
แต่การพัฒนาคอมพิวเตอร์ขั้นตอนวิธีทำ
เดียวกันเป็นหนึ่งในงานที่ยากที่สุดในวิสัยทัศน์คอมพิวเตอร์ วิจัยผ่าน
หลายปีที่ผ่านมาช่วยให้ยอมรับกันโดยอัตโนมัติ เทคนิคหน้ารู้ต่างๆ

แสดงผ่านหมวดหมู่ต่าง ๆ เช่น ภาพใบหน้าและ
วิดีโอรับรู้ตามตามลักษณะพื้นฐานและรูปแบบตาม
2 มิติ และ 3 มิติใบหน้า วิธี กระดาษนี้ให้ทบทวน
เทคนิคใบหน้าต่างๆที่มีอยู่ในวันนี้
เน้นเทคนิคย่อย ตรวจสอบการใช้รูปภาพ
การประมวลผลที่ใช้เป็นขั้นตอนเบื้องต้นเพื่อลด
อัตราความผิดพลาด หลักการ การวิเคราะห์เชิงคุณภาพและการวิเคราะห์ของพวกเขาแก้ไข

รู้วิธีหน้าจะดำเนินการได้ภายใต้เทคนิค , การคำนวณอัตราการยอมรับที่ผิด

( ไกล ) และการปลอมอัตรา ( frr ) ในแบบทดสอบมาตรฐาน ชุดของภาพที่ก่อให้เกิดความยากลำบากทั่วไป
สำหรับการรู้จำ โดยการใช้ช่วงของเทคนิคการประมวลผลจะแสดงภาพ

ที่ประสิทธิภาพสูง ขึ้นอยู่กับประเภทของการประมวลผลและขั้นตอนใช้
ที่อัตราความผิดพลาดเท่ากับ ( EER ) ของ eigenface และวิธีการ fisherface
สามารถลด การใช้วิธีที่เสนอในงานวิจัยนี้

คำสำคัญ - จดจำใบหน้าได้ บรรทัดฐาน , ,
eigenfece ฟิชเชอร์ฟิชเชอร์ซับหน้า disriminant .