Face recognition is one of the visu

Face recognition is one of the visual tasks which humans
can do almost effortlessly while for computers it is a dif-
cult and challenging task [1]. The applications of face
recognition are increasing in a number of domains. An
upcoming application domain is user identication as a
form of ambient intelligence for access control as an alternative
for pincodes and for adapting parameters of machines
such as PC settings. Recently, a rapidly growing
demand is for face recognition as part of a surveillance
system. Nowadays most face recognition systems don't
work at video speed but use previously captured video.
Some huge systems are able to do on-the-y face recognition
(matching detected faces to a limited database of
stored faces) from captured video streams [2]. These latter
systems are in high demand especially seen the latest
mondial political situation. Because of the cost of these
systems they are only affordable for large sites such as
football stadiums or airports.
What we want to show in this publication is that it is
possible using thought-over smart camera architectures to
achieve good, real-time face recognition results. A “smart
camera” is hereby dened as a stand-alone programmable
device with a size equal to or smaller than a typical video
surveillance camera. In our situation it is programmed in
such a way that video goes in and names of recognized
people come out.

Face recognition is becoming an important application for
smart cameras. However, up till now, the processing required
for real-time detection, prohibits integration of the whole application into a small sized, consumer type of
camera. This paper showed that by:
1. Proper selection of algorithms, both for face detection
and recognition,
2. Adequate choice of processing architecture, supporting
both SIMD and ILP types of parallelism,
3. Tuning the mapping of algorithms to the selected
architecture,this integration can be achieved. We implemented the algorithms
on a small smart camera. As a result we can
recognize one face per NGJms, when we are searching for

persons, with LIE% recognition rate and only Q% failure
rate.
Future research will focus on further tuning the mapping
of the algorithms, e.g. by replacing oating point operations
with xed point, trying other (cheaper) activation
functions (see eq. 8), and further parallelization of the
RBF neural network. This should allow for further speedups
needed when searching in much larger databases that can
contain large numbers of identiable faces. Furthermore,
the recognition will be enhanced by using multiple cameras
with different viewpoints.

ผลลัพธ์ (ไทย) 1:

การรู้จำใบหน้าเป็นหนึ่งในงานภาพมนุษย์ที่
ทำเกือบได้อย่างง่ายดายในขณะที่คอมพิวเตอร์ dif แบบ
ลัทธิและท้าทายงาน [1] โปรแกรมประยุกต์ของหน้า
รู้กำลังเพิ่มจำนวนโดเมน การ
โดเมนโปรแกรมประยุกต์จะเป็นผู้ใช้ identi cation เป็นการ
ฟอร์มของปัญญาสภาวะสำหรับควบคุมการเข้าถึงเป็นทางเลือก
สำหรับ pincodes และปรับพารามิเตอร์ของเครื่องจักร
เช่น PC ตั้งค่า เมื่อเร็ว ๆ นี้ การเติบโตเร็ว
ต้องเป็นการจดจำใบหน้าเป็นส่วนหนึ่งของการเฝ้าระวัง
ระบบการ ปัจจุบันหน้ารู้ระบบดอนไม่สุด
ทำงานที่ความเร็วในการแสดงผล แต่ใช้ก่อนหน้านี้จับภาพวิดีโอ
บางระบบใหญ่จะได้ทำการจดจำใบหน้าบน y
(จับคู่ตรวจพบใบหน้าไปยังฐานข้อมูลที่จำกัดของ
เก็บหน้า) จากกระแสข้อมูลวิดีโอจับภาพ [2] เหล่านี้หลัง
อยู่ในความต้องการสูงโดยเฉพาะอย่างยิ่งเห็นล่าสุด
สถานการณ์ทางการเมืองจำกัด เนื่องจากต้นทุนเหล่านี้
ระบบจะเท่าราคาไม่แพงสำหรับเว็บไซต์ขนาดใหญ่เช่น
ลักษณะน่าตื่นเต้นฟุตบอลหรือสนามบิน
สิ่งที่เราต้องการแสดงในประกาศนี้เป็นว่า
ได้ใช้กล้องสมาร์ทคิดมากกว่าสถาปัตยกรรมการ
บรรลุ หน้าแบบเรียลไทม์รู้ผล สมาร์ทการ
กล้องจะขอเด ned เป็นแบบสแตนด์อโลนโปรแกรม
อุปกรณ์ที่ มีขนาดเท่ากับ หรือน้อยกว่าวิดีโอทั่วไป
กล้องวงจรปิด ของเรา มันเป็นโปรแกรมใน
ลักษณะว่า ไปแสดงผลในชื่อของการรับรู้และ
คนมาออก

เป็น โปรแกรมประยุกต์ที่สำคัญสำหรับการจดจำใบหน้า
สมาร์ทกล้อง อย่างไรก็ตาม จนถึงขณะนี้ การประมวลผลที่ต้องการ
ตรวจแบบเรียลไทม์ ห้ามรวมของโปรแกรมประยุกต์ทั้งหมดเป็นขนาดเล็กขนาด ชนิดผู้บริโภค
กล้อง เอกสารนี้ชี้ให้เห็นว่าโดย:
1 การเลือกใช้อัลกอริทึม ตรวจจับใบหน้าทั้ง
และการรับ รู้,
2 พอเลือกประมวลผลสถาปัตยกรรม สนับสนุน
ชนิด SIMD และ ILP parallelism,
3 ปรับเปลี่ยนการแม็ปของอัลกอริทึมการเลือก
สถาปัตยกรรม รวมนี้สามารถทำได้ เราใช้อัลกอริทึม
บนกล้องสมาร์ทขนาดเล็ก ดังนั้น เราสามารถ
จดจำใบหน้าหนึ่งต่อ N GJms เมื่อเรากำลังค้นหา

คน โกหก%อัตราการรู้จำและความล้มเหลว% Q เท่า
อัตรา.
วิจัยอนาคตจะเน้นเพิ่มเติม ปรับเปลี่ยนการแม็ป
ของอัลกอริทึม เช่น ด้วยการแทนที่ oating ชี้การดำเนินงาน
มีจุด xed พยายามเปิดใช้งานอื่น ๆ (ถูกกว่า)
หน้าที่ (ดู eq. 8), และ parallelization เพิ่มเติมของการ
RBF เครือข่ายประสาท นี้ควรอนุญาตสำหรับ speedups เพิ่มเติม
จำเป็นเมื่อค้นหาในฐานข้อมูลขนาดใหญ่ที่สามารถ
ประกอบด้วยจำนวนมากใบหน้าสามารถ identi นอกจากนี้,
รู้จะปรับปรุง โดยการใช้กล้องหลาย
ด้วยมุมมองที่แตกต่างกัน

ผลลัพธ์ (ไทย) 3:

ใบหน้าเป็นหนึ่งในงานที่ทำ ภาพมนุษย์
เกือบหวานในขณะที่คอมพิวเตอร์เป็นดิฟ -
 ศาสนาและงานที่ท้าทาย [ 1 ] งานหน้า
รับรู้จะเพิ่มจำนวนโดเมน เป็นโปรแกรมที่จะ identi
โดเมนผู้ใช้  ไอออนบวกเป็นรูปแบบของความฉลาดทาง

สำหรับการควบคุมการเข้าถึงเป็นทางเลือกสำหรับ pincodes และการปรับพารามิเตอร์ของเครื่องจักร
เช่นการตั้งค่าเครื่องคอมพิวเตอร์ เมื่อเร็วๆ นี้ เติบโต
อย่างรวดเร็ว ความต้องการคือใบหน้าที่เป็นส่วนหนึ่งของระบบเฝ้าระวัง

ทุกวันนี้ส่วนใหญ่ใบหน้าระบบไม่ทำงานที่ความเร็ววิดีโอ แต่ใช้

ก่อนหน้านี้วิดีโอบันทึก ระบบมีขนาดใหญ่สามารถทำบน -  Y
( การจับคู่ตรวจพบใบหน้าเพื่อใบหน้าที่ฐานข้อมูลของ
จำกัดเก็บใบหน้า ) จากบันทึกวิดีโอสตรีม [ 2 ] ระบบหลัง
เหล่านี้อยู่ในความต้องการสูงโดยเฉพาะอย่างยิ่งเห็นล่าสุด
Mondial สถานการณ์ทางการเมือง . เนื่องจากค่าใช้จ่ายของระบบเหล่านี้
พวกเขาเป็นเพียงราคาไม่แพงสำหรับเว็บไซต์ขนาดใหญ่ เช่น สนามฟุตบอล หรือสนามบิน
.
สิ่งที่เราต้องการแสดงอยู่ในเอกสารนี้คือว่า มันเป็นไปได้ในการใช้ความคิดมากกว่า


กล้องสมาร์ทสามารถบรรลุดีผลการรู้จำหน้าเรียลไทม์ " สมาร์ท " คือขอเดอ
กล้อง  เน็ดเป็นอุปกรณ์โปรแกรม
เดี่ยวที่มีขนาดเท่ากับหรือเล็กกว่าปกติ กล้องวีดีโอ
. ในสถานการณ์ของเรามันเป็นโปรแกรมใน
เช่นวิธีที่วิดีโอไป และชื่อของคนรู้จัก
ออกมา ใบหน้า

เป็นโปรแกรมที่สำคัญสำหรับ
กล้องสมาร์ท อย่างไรก็ตาม จนถึงขณะนี้การประมวลผลความต้องการ
ตรวจหาแบบบูรณาการของการห้ามทั้งหมดลงในขนาดเล็ก ประเภทของผู้บริโภค
กล้อง กระดาษนี้ พบว่า โดย :
1 การเลือกที่เหมาะสมของขั้นตอนวิธี ทั้งใบหน้าและตรวจจับ
5
2 ทางเลือกที่เพียงพอของสถาปัตยกรรมการประมวลผลที่สนับสนุนทั้งสองและประเภทของระบบไอแอลพี
simd ความขนาน ,
3 ปรับแต่งแผนที่ของขั้นตอนวิธีการเลือก
สถาปัตยกรรม , การรวมนี้สามารถลุ้นรับ เราใช้ขั้นตอนวิธี
ในขนาดเล็ก Smart กล้อง เป็นผลให้เราสามารถจำหนึ่งหน้าต่อ
n gjms เมื่อเราค้นหา

คน กับการโกหก % อัตราการรับรู้และ Q % อัตราความล้มเหลว
.
การวิจัยในอนาคตจะมุ่งเน้นเพิ่มเติมปรับแต่งแผนที่
ของขั้นตอนวิธี เช่นโดยการเปลี่ยน  oating
ปฏิบัติการจุดด้วย  xed จุดพยายามอื่น ๆ ( ราคาถูก ) ฟังก์ชันกระตุ้น ( เห็นอีคิว
8 ) และ parallelization ไปเพิ่มเติมของ
RBF เครือข่ายประสาท . นี้ควรให้ speedups ต่อไป
ต้องการเมื่อค้นหาในฐานข้อมูลขนาดใหญ่มากที่สามารถ
มีตัวเลขขนาดใหญ่ของ identi  ได้ใบหน้า นอกจากนี้
รับรู้จะถูกเพิ่มโดยการใช้กล้องหลายตัว
ด้วยมุมมองที่แตกต่างกัน