Since the past several years, face

Since the past several years, face recognition from video has received significant attention due to wide range of commercial and law enforcement applications, such as surveillance systems, closed circuit TV (CCTV) monitoring, etc. Human face detection is the first and important task in a dynamic environment, such as video, where noise conditions, illuminations, locations of subjects and pose can vary significantly from one frame to another frame. In this paper, a novel elastic window, which does not make any assumption about the pose, expression or prior localization of a face in a video frame is presented for finding boundary of face region. The window locates the possible face boundaries by elastically expanding its size using local image gradients. Prior to this, a video-frame undergoes in several pre-processing tasks in order to remove noise, background, etc. And producing thin binary image representing only possible face boundaries and scattered noises. After detecting faces from video frames, we extract discriminant facial features from these cropped face images. A multi-class SVM is used as a classifier for face recognition based on these facial features. The proposed method was evaluated on Honda/UCSD video database and the experimental results show that the proposed method outperforms several existing video-based face recognition methods in terms of face recognition.

ผลลัพธ์ (ไทย) 1:

ตั้งแต่หลายปีที่ผ่านมา จดจำใบหน้าจากวิดีโอได้รับความสำคัญของพาณิชย์และกฎหมายบังคับใช้งาน ระบบรักษาความปลอดภัย ตรวจสอบทีวี (CCTV) วงจรปิด ฯลฯ ตรวจจับใบหน้ามนุษย์เป็นงานแรก และสำคัญในสภาพแวดล้อมแบบไดนามิก เช่นวิดีโอ ที่เสียงเงื่อนไข illuminations ตำแหน่งของวัตถุ และก่อให้เกิดแตกต่างกันอย่างมีนัยสำคัญจากเฟรมหนึ่งไปเฟรมอื่น ในเอกสารนี้ นวนิยายยืดหยุ่นหน้าต่าง ซึ่งทำให้สมมติฐานต่าง ๆ เกี่ยวกับการก่อให้เกิด นิพจน์ หรือแปลก่อนหน้านี้ของใบหน้าในเฟรมวิดีโอ นำเสนอหาขอบเขตของภูมิภาคหน้า หน้าต่างตั้งอยู่หน้าสุดขอบเขต ด้วยการขยายขนาดโดยใช้การไล่ระดับสีรูปภาพท้องถิ่นหมายถึงการปิด ก่อนหน้านี้ เฟรมวิดีโอทนี้ในงานต่าง ๆ ก่อนการประมวลผลเพื่อเอาเสียง พื้นหลัง ฯลฯ และผลิตรูปแบบไบนารีบางแทนสามารถทำได้หน้าขอบเขต และกระจายเสียง หลังจากตรวจสอบใบหน้าจากเฟรมวิดีโอ เราแยก discriminant ทำหน้าจากหน้าครอบตัดภาพเหล่านี้ SVM หลายชั้นใช้เป็นที่ classifier สำหรับการรู้จำใบหน้าตามคุณลักษณะเหล่านี้หน้า มีประเมินวิธีการนำเสนอบนฐานข้อมูลวิดีโอ ฮอนด้า/UCSD และผลการทดลองแสดงว่า วิธีการนำเสนอ outperforms อยู่หน้าตามวิดีโอรู้วิธีการต่าง ๆ ในการจดจำใบหน้า

ผลลัพธ์ (ไทย) 2:

ตั้งแต่หลายปีที่ผ่านมาการจดจำใบหน้าจากวิดีโอได้รับความสนใจอย่างมีนัยสำคัญเนื่องจากการที่หลากหลายของการใช้งานในเชิงพาณิชย์และการบังคับใช้กฎหมายเช่นระบบการเฝ้าระวังโทรทัศน์วงจรปิด (CCTV) การตรวจสอบ ฯลฯ ตรวจจับใบหน้าของมนุษย์เป็นงานแรกและมีความสำคัญใน สภาพแวดล้อมแบบไดนามิกเช่นวิดีโอที่มีสภาพเสียง illuminations สถานที่ของอาสาสมัครและก่อให้เกิดความแตกต่างกันอย่างมีนัยสำคัญสามารถจากกรอบกรอบอีก ในบทความนี้หน้าต่างยืดหยุ่นนวนิยายซึ่งไม่ได้ทำให้สมมติฐานใด ๆ เกี่ยวกับการก่อให้เกิดการแสดงออกหรือการแปลก่อนหน้าอยู่ในกรอบวิดีโอจะนำเสนอในการหาขอบเขตของพื้นที่ใบหน้า หน้าต่างตั้งขอบเขตใบหน้าไปได้โดยการยืดหยุ่นการขยายขนาดของมันโดยใช้การไล่ระดับสีภาพท้องถิ่น ก่อนหน้านี้วิดีโอผ่านกรอบในการทำงานก่อนการประมวลผลหลายเพื่อที่จะเอาเสียง, พื้นหลัง, ฯลฯ และผลิตภาพไบนารีบางขอบเขตที่เป็นตัวแทนของใบหน้าที่เป็นไปได้เท่านั้นและเสียงกระจัดกระจาย หลังจากการตรวจสอบใบหน้าจากภาพวิดีโอที่เราดึงใบหน้าจำแนกใบหน้าจากภาพเหล่านี้ถูกตัด SVM หลายระดับใช้เป็นลักษณนามสำหรับการจดจำใบหน้าขึ้นอยู่กับใบหน้าคุณสมบัติเหล่านี้ วิธีการที่นำเสนอได้รับการประเมินในฮอนด้า / UCSD ฐานข้อมูลวิดีโอและผลการทดลองแสดงให้เห็นว่าวิธีการที่นำเสนอมีประสิทธิภาพดีกว่าที่มีอยู่หลายวิดีโอที่ใช้วิธีการจดจำใบหน้าในแง่ของการจดจำใบหน้า

ผลลัพธ์ (ไทย) 3:

ตั้งแต่อดีตหลายปี ใบหน้าดูจากวิดีโอที่ได้รับความสนใจเนื่องจากมีหลากหลายของการใช้งานเชิงพาณิชย์ และการบังคับใช้กฎหมายที่สำคัญๆ เช่น ระบบกล้องวงจรปิด ระบบกล้องวงจรปิด ( CCTV ) การตรวจสอบ ฯลฯ ตรวจจับใบหน้าของมนุษย์คืองานแรกและสำคัญในสภาพแวดล้อมแบบไดนามิก เช่น วิดีโอ ที่สภาพแสงเสียง , ,ที่ตั้งของ วิชา และท่าสามารถแตกต่างกันอย่างมากจากหนึ่งเฟรม เฟรมอื่น ในกระดาษนี้ นิยายแบบหน้าต่าง ซึ่งมันไม่ได้ทำให้สมมติฐานเกี่ยวกับท่าทาง สีหน้า หรือจำกัดก่อนที่ใบหน้าในกรอบภาพที่นำเสนอเพื่อหาขอบเขตของหน้า ) หน้าต่างตั้งขอบเขตหน้าที่เป็นไปได้โดย elastically ขยายขนาดของการไล่สีภาพท้องถิ่นก่อนนี้ เฟรม ของการประมวลผลหลายงานเพื่อลบเสียงพื้นหลัง , ฯลฯ และการผลิตบางภาพไบนารีเป็นตัวแทนเพียงเป็นไปได้หน้าขอบเขตและกระจายเสียง หลังจากการตรวจหาใบหน้าจากภาพวิดีโอที่เราดึงใบหน้าจำแนกจากเหล่านี้ครอบหน้าภาพเป็น SVM คลาสหลายใช้เป็นลักษณนามสําหรับใบหน้าตามคุณลักษณะของหน้านี้ วิธีการ คือ ประเมินในฮอนด้า / UCSD ฐานข้อมูลวิดีโอและผลการทดลองแสดงให้เห็นว่าวิธีนี้มีประสิทธิภาพดีกว่าหลายวิดีโอที่มีอยู่ตามใบหน้า วิธีการในแง่ของใบหน้าดู